神经网络框架搭建

Tensorflow是Google 的深度学习框架，非常流行，我自己学习深度学习就使用它。为了使代码更加简单，使用Keras做前端，Keras用目前很火的人工智能第一语言 Python 编写，是一个高度模块化的神经网络库，支持GPU和CPU。

Keras使用文档：Keras: Deep Learning for humans，中文文档：http://keras-cn.readthedocs.io/en/latest/ 使用中遇到问题可以提交到 github：https://github.com/fchollet/keras。

下面开始部署神经网络环境：

我的机器系统：win-10专业版，64位

一、安装 python

下载Anaconda3（注意：一定要是python 3.5版本，不要安装python3.6版本的，因为3.6版本不支持pip install tensorflow）

二、添加CONDA 和 pip 软件源

在CMD命令行中输入：
conda config –show
conda config --add channelsIndex of /anaconda/pkgs/free/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror
conda config --set show_channel_urls yes
conda config --show

于是，把清华大学的 CONDA 软件源 添加进去了，下载安装速度很快。
这时候，你会发现当前用户主目录下多了一个配置文件 C:\Users\SunHeng\.condarc，这里假设当前用户名是SunHeng。

三、安装GCC编译器（仅Windows环境）

LINUX环境下自带GCC编译器，但是Windows环境下是没有GCC编译器的，因此，不管是cpu版本还是gpu版本，Windows环境下一律都需要安装 GCC 编译器。在CMD命令窗口中输入：
conda install mingw libpython

四、安装 Tensorflow 与 Keras

在CMD命令窗口中输入：
pip install tensorflow keras

安装很快。注意，如果没有操作第二步：指定 pip 软件源，那么 pip 默认从官网下载安装软件包，那个速度是很慢的。

五、指定后端引擎

可以用记事本打开C:\Users\SunHeng\.keras\keras.json，显示以下内容：
{
    "floatx": "float32",
    "epsilon": 1e-07,
    "image_data_format": "channels_last",
    "backend": "tensorflow"
}
可以编辑指定backend是Theano，还是谷歌研发的 TensorFlow。

六、配置可视化环境

注意，可视化软件包安装顺序非常重要，一定要按照下面的顺序：

1、在命令窗口输入：pip install graphviz

2、下载Graphviz安装包，解压安装，配置bin文件夹环境变量

3、在命令窗口输入：pip install pydot

即配置完成。

七、GPU环境搭建

1、下载cuda8.0，解压安装

2、下载CuDnn8.0，解压

3、cuda8.0安装好后会出现：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0

4、将CuDnn8.0中lib include bin三个文件夹里对应的文件复制粘贴到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0目录下对应的同名文件中

5、注意：之前pip install tensorflow已经安装非GPU版本，如果想用GPU版本，一要确保自己的机器GPU符合配置要求，二要到Anaconda3\lib\site-packages下将已经安装的tensorflow相关包手动删除，再在命令窗口输入：pip install tensorflow-gpu

即搭建完成。