建議還是在linux上執行，詳情見此：
Object detection using GPU on Windows is about 5 times slower than on Ubuntu
首先，請先完成三個動作，可以參考之前之文章
1.覺調要裝哪個版本的TensorFlow
請參考 ：
Win10下如何選用TensorFlow的版本？
2.安裝CUDA與cuDNN
1.5版（含以上）請參考：
於Win10環境下配置CUDA 9.0與cuDNN 7.0
1.4版（含以下）請參考：
3.安裝Python
於Win10下安裝Anaconda
若要用GPU加速TensorFlow需滿足以下條件：
支援CUDA Toolkit 的顯卡
支援CUDA Toolkit 的顯卡驅動
CUDA Toolkit
cuDN
安裝TensorFlow
第一步，打開CMD
第二步，在CMD裡幫Anaconda建立一個TensorFlow的環境（不想做環境管理可以略過這步）
在CMD裡面輸入並按下Enter
conda create -n tensorflow
並按下Enter
輸入「y」
環境建立成功
第三步，啟動環境（不想做環境管理可以略過這步）
在CMD裡輸入
activate tensorflow
並按下Enter
第四步，安裝GPU版本的TensorFlow
依照版本在CMD裡分別輸入指令：
1.4版
pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-1.4.0-cp36-cp36m-win_amd64.whl
1.5版pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-1.5.0-cp36-cp36m-win_amd64.whl
1.6版 pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-1.6.0-cp36-cp36m-win_amd64.whl
最新版pip install --ignore-installed --upgrade tensorflow-gpu
並按下Enter
測試TensorFlow
測試一根據TensorFlow的教學，我們在Spyder中建立一個檔案，輸入以下程式碼並執行：
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))
可以發現如圖片中之結果，在IPython顯示視窗中輸出了「Hello, TensorFlow!」
測試二
在測試二裡面，透過內建的MNIST範例，並觀察使用GPU-Z的觀察GPU的使用狀況
GPU-Z下載網址
在Anaconda的資料夾下找到mnist資料夾，並將「fully_connected_feed.py」載入至Spyder，我的路徑如下：
Anaconda3\Lib\site-packages\tensorflow\examples\tutorials\mnist\fully_connected_feed.py
GPU原使狀態如下：
執行「fully_connected_feed.py」後可以發現，GPU正在被使用中
恭喜可以使用TensorFlow並用GPU來加速啦～
