1 安装Anaconda3（python3.6版本）

Anaconda与python版本的对应关系如下：

由于tensorflow等包的要求，我们选取python版本为3.6.5的anaconda，即Anaconda3-5.2.0-Windows-x86_64.exe，下载地址为：https://repo.anaconda.com/archive/

然后双击安装即可，记得需要选择将path加入到系统环境变量中（system，all users）

安装完成后查看python

然后查看pip版本，输入pip show pip，

查看pip 1）是否为anaconda3中的python的pip；2）是否为最新版本，下图所示为正确情况。

如果不满足条件（1），则卸载当前pip

如果不满足条件（2），在保证条件（1）的情况下，如下图所示

输入

python -m pip install --upgrade pip -i https://pypi.tuna.tsinghua.edu.cn/simple/

更新pip到最新版

2 安装依赖项

安装最新版本的numpy，scipy，scikit-learn，pillow，h5py，输入：

python -m pip install --upgrade scipy scikit-learn pillow h5py -i https://pypi.tuna.tsinghua.edu.cn/simple/

3 安装Tensorflow

关于Tensorflow版本与CUDA和cuDNN版本对应关系，参考→不同版本的Tensorflow与CUDA及cuDNN版本对应关系

由于要安装Tensorflow1.12的版本，所以选择CUDA9.0和cuDNN7.5.0版本。

3.1 安装CUDA

CUDA历史版本获取地址：https://developer.nvidia.com/cuda-toolkit-archive

CUDA临时安装路径，C:\Users\fabya\AppData\Local\Temp\CUDA

注意：

     为了不影响电脑原本安装的cuda其他工具包，安装时我们选择“自定义”，

     并且选择“自定义”中提供文件可选列表中的CUDA（版本标注为9.0），其他组件版本太老没必要选择和安装，

     后面按照流程正常安装。

安装完成后系统环境变量会新增加两个path：CUDA_PATH和CUDA_PATH_V9_0

检查CUDA是否安装好，重新打开一个cmd，输入nvcc --version（两个破折号不是一个）

CUDA就安装好了

3.2 安装cuDNN

cuDNN获取地址：https://developer.nvidia.com/rdp/cudnn-archive

然后进入到CUDA的路径里，将下载好的cudnn-9.0-windows10-x64-v7.5.0.56.zip压缩包内的文件，解压到cuda\v9.0里同名对应的文件夹中。（9.2的截图，不过意思一样）

然后将以下几个路径加入到系统环境变量path中

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\libnvvp

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64

3.3 pip安装Tensorflow

首先输入

python -m pip install --upgrade tensorflow_gpu-1.12.2-cp36-cp36m-win_amd64.whl -i https://pypi.tuna.tsinghua.edu.cn/simple/

如果不能自动下载安装的话，请到https://pypi.tuna.tsinghua.edu.cn/simple/网页中，按Ctrl+F搜索tensorflow-gpu，点进去搜索tensorflow_gpu-1.12.2-cp36-cp36m-win_amd64.whl，点击并下载

再输入指令

python -m pip install --upgrade tensorflow_gpu-1.12.2-cp36-cp36m-win_amd64.whl -i https://pypi.tuna.tsinghua.edu.cn/simple/

（1.12.0的截图，1.12.2忘了截图。。）

下面检验是否安装成功，输入如下图所示代码，可以看到Tensorflow包已经可以成功导入！

卸载tensorflow（如果需要的话）

输入

python -m pip uninstall tensorflow-gpu

4 安装Keras

输入

python -m pip install --upgrade keras -i https://pypi.tuna.tsinghua.edu.cn/simple/

可以看到Keras2.2.4安装成功！

接下来配置Keras，

到路径 C:\Users\fabya\.keras（前面两个位置分别为：users或用户\当前用户账号）下编辑keras.json文件

实在找不到，就用搜索功能搜索keras.json

打开之后发现默认的参数配置如下图所示：

各参数可取值及含义如下表所示：

注：

       Keras 2.2.4 的 image_data_format 参数对应为 Keras 1.x 版本中的 image_dim_ordering 参数，

       取值channels_last对应 Keras 1.x 中的 tf 取值（Tensorflow图像通道顺序：[宽，高，深]）；

       取值channels_first对应 Keras 1.x 中的 th 取值（Theano图像通道顺序：[深，宽，高]）。

我们把image_data_format设置为channels_last（默认设置）。

测试一下，输入一下如下图所示代码

import keras

from keras.models import Sequential

好的，环境搭建成功！

附录：

其他安装tensorflow的方法：

python -m pip install --upgrade tensorflow-gpu -i https://pypi.tuna.tsinghua.edu.cn/simple/

安装stable版tensorflow1.13.1

（安装指定tensorflow版本 pip install tensorflow==1.2.0）