工欲善其事，必先利其器，以下是自己花了不少時間從網上找經驗和方法搭建的windows版本下的深度學習環境，作為一個小結;
了解一下術語:
CUDA(Compute Unified Device Architecture，統一計算架構):NVIDIA推出的用于自家GPU的并行計算框架，也就是說CUDA只能在NVIDIA的GPU上運行，而且只有當要解決的計算問題是可以大量并行計算的時候才能發揮CUDA的作用。
cuDNN(CUDA Deep Neural Network library):是NVIDIA打造的針對深度神經網絡的加速庫，是一個用于深層神經網絡的GPU加速庫。
tensorflow:谷歌深度學習框架,理解成一個庫就行了。
keras:就是站在巨人肩膀(tensorflow)上的人,是一個兼容 tensorflow的神經網絡高級包,類似于封裝了tensorflow，給開發者使用的時候更加方便。
Anaconda:可以便捷獲取包且對包能夠進行管理，同時對環境可以統一管理的發行版本。Anaconda包含了conda、Python在內的超過180個科學包及其依賴項。理解成管理python各種東西的就行。
本機配置：
系統:windows10.
顯卡:NVIDIA GeForce GTX 1060 6GB
安裝內容與順序：
1.visual studio 2017
2.CUDA9.0
3.cuDNN 7.0.5
4.Anaconda
5.tensorflow-gpu
具體步驟：
1.安裝vs；(vs必須安裝，CUDA是與其結合使用的)
進入官網進行下載:
https://visualstudio.microsoft.com/downloads/
安裝過程中勾選 C++組件
2.安裝CUDA
查看顯卡類型，查看顯卡支持的CUDA的版本 NVIDIA控制面板=>幫助=>系統信息=>組件=>NVCUDA.DLL=>產品名稱 (自己的是9.1，但是！！！！！要安裝9.0！9.0！9.0！)
CUDA下載地址:
https://developer.nvidia.com/cuda-toolkit-archive
3.配置CUDA
電腦右鍵，打開屬性==>高級系統設置==>高級==>環境變量，可以看到系統中多了兩個環境變量：CUDA_PATH 和 CUDA_PATH_V9_0，
添加如下幾個環境變量：
CUDA_BIN_PATH = %CUDA_PATH%\bin
CUDA_LIB_PATH = %CUDA_PATH%\lib\x64
CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v9.0
CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64
CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64
在用戶變量Path中添加:C:\ProgramData\NVIDIA GPU Computing Toolkit\v9.0
命令行輸入 set cuda 查看配置情況
或者進入 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\extras\demo_suite目錄，使用命令行運行bandwidthTest和deviceQuery，看到顯卡信息和‘Result = PASS 表示配置成功
3.下載cudnn
https://developer.nvidia.com/rdp/cudnn-archive（需要注冊賬號才能下載)
根據CUDA版本選擇相應版本
下載成功后，將里面的bin、lib、include文件夾中內容復制到CUDA安裝目錄的對應文件目錄下
CUDA默認安裝目錄為:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0
4.安裝Anaconda
https://www.anaconda.com/distribution/
一直按照默認下一步即可，但是其中有一個，勾上，表示添加到環境變量中
4.下載tensorflow-gpu
可以創建一個環境專門用于深度學習:
創建新環境：conda create -n tensorflow-gpu python=3.6.5
激活/切換到該環節 activate tensorflow
選擇正確的tensorflow-gpu版本
在該環境下的命令行輸入
pip install tensorflow-gpu==1.8.0
(這里存在一個pip速度慢的問題，解決方案如下:
到user目錄中建立一個pip目錄，然后新建pip.ini,例如:C:\Users\SONDER\pip\pip.ini
ini中的內容為:
[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple)
5.下載keras
pip install keras
6.檢查是否安裝成功
在命令行輸入
import tensorflow
import kears
沒有報錯 則成功
安裝過程的各種坑和注意事項:
CUDA cudnn tensorflow keras的版本號務必要對應，否則會發生各種各種錯誤！！！
這里自己之前踩的坑是裝的9.1版本的cuda，但是最后安裝完成后會出現各種問題，然后百度發現tensorflow-gpu不兼容9.1 9.2 所以只能重新卸載了在裝，不過自己比較強迫癥，重裝了windows系統后全部裝了一遍。
～～～～～
那么，我就祝你萬事勝意吧。
～～～～～
