声明和提示：
因为每个人的电脑软硬件环境配置均不同，所以所面临的问题往往也不同，我也是安装了一些时间，各种配置，重装，因此在尽可能保证通用性的情况下，在此记录下来，减少大家走弯路的过程。尤其是一些细节的地方，往往容易出错，也很难找出错误所在，这点大家要注意一下。并且网上给的方案要么已经过时，要么没有系统性，因此写下本人所有软件硬件的全套方案。
第一步、环境准备，各种文件的安装下载
（1）硬件驱动相关的准备
首先参照这张表：（英伟达官方配置参照：https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html）
建议去英伟达官方下载最新驱动：https://www.nvidia.cn/Download/index.aspx?lang=cn
根据你的显卡进行选择，然后搜索下载（可能这里会比较慢，建议用迅雷，速度非常快）
全部默认安装下载即可。这里不需要进行什么额外配置
（2）安装cuda和cudnn，这两个也建议安装最新版本的
（也建议用迅雷下载，不少人表示cuda10比cuda9要快，而且本人用的均是最新版都没问题，所以大家放心用吧）
ps：cuda不需要注册，但是cudnn需要注册，自行注册下载即可
这里是cuda10.1下载地址：https://developer.nvidia.com/cuda-downloads?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal
ps:画红框的地方注意一下，建议下载本地安装版的，联网安装的非常慢。
如果需要其他版本的cuda，官方链接：https://developer.nvidia.com/cuda-toolkit-archive
点击对应所需的cuda版本即可。
下载完成后，之间点击安装，所有选项默认即可。
接下来是cudnn的下载，这里需要注册，大家自行注册，然后下载（依旧用迅雷）。
下载网址：https://developer.nvidia.com/rdp/cudnn-download
下载版本对照，官方对照地址：（https://tensorflow.google.cn/install/source_windows
（ps：谷歌官方没有及时更新，导致cuda10没有出现在其中，可以直接忽略，参照上面图片中nvidia官方提供对照即可）
下载完成后，解压，然后里面有三个文件夹和一个说明的txt文档
将cudnn解压bin文件夹中的cudnn64_7.dll文件复制到cuda默认安装目录：C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.1（这里根据cuda版本修改）in
（同上）将cudnn解压include文件夹中的cudnn.h文件复制到：C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.1（这里根据cuda版本修改）include
（同上）将cudnn解压lib文件夹中的x64文件夹的cudnn.lib复制到：C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.1（这里根据cuda版本修改）libx64
基本上硬件驱动及相关环境配置基本完成，可以进行以下测试，用nvcc -V监测cuda是否安装成功，cudnn因为暂时没有用到，所以无法测试，后期修改cudnn比较简单，无需担心
（2）安装anaconda，这里建议安装anaconda3.5.2版本，最新版本是3.5.3
ps：之所以这么建议，主要是博主本人遇到过两个问题，一个是3.5.3默认是python3.7（目前很多都只支持到python3.6），虽然可以退回python3.6，但是依旧麻烦不已，很费时间，第二个是动态链接库缺失的问题，这个问题至今没有搞明白，因为通过直接安装3.5.2版本没有出现后就没有深究了，主要怀疑是环境变量那里出现了问题。
这里下载推荐使用清华镜像下载源：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
然后是安装的过程，直接一路next就行，其中也可以进行一些选择，但是本着‘傻瓜式’安装的原则，建议直接全部下一步进行安装。
安装完成之后，就是配环境变量了。
至于如何详细使用anaconda，请参照这个博主：https://blog.csdn.net/ITLearnHall/article/details/81708148（虽然有些杂乱，但还是可以参考）