2018年 2月8日下午，开始搭建环境。我新买了联想Y720笔记本电脑一台，希望用它来开展深度学习的探索。根据之前的一点点经验，搭建深度学习的环境。本篇博客主要记录的是流程，不提供相关数据的下载链接等，希望对学习者有所帮助，也希望有大神对安装进程的错误进行指教。
1找到一些相关的帖子进行大致了解，在此，我参考的帖子是这个：
http://blog.csdn.net/zhili8866/article/details/52955154?locationNum=8&fps=1
（博主说不允许转载，不知道发连接是否可行，有问题请及时联系我）顺序其实不太重要，我就按照我安装的顺序进行记录。
2首先安装的是pycharm编译器，我已经注册其账户并凭借在校学生的身份申请到一年的使用权限。（任意python编译器都可以的吧）在官网下载最新版本（pycharm-professional-2017.3.3）(2018.2.8日前下载)
3下载anaconda,官方网站可以选择版本，我下载的同样是最新的Anaconda 5.0.1版本，但是官网下载非常慢（大概几十kb/s,我耽误了至少1天时间等它下载好），所以，在此，推荐清华大学的镜像（百度“清华镜像anaconda”）。安装的是python3.6。
给出连接：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
镜像中下载的也正常使用了，截图如下：
不要忘记配置“环境变量”，具体如何找到环境变量需要百度搜索，之后注意，有"用户变量和系统变量"的区分。我们要设置的是系统变量，分别将2个变量添加到对应的位置中：“D:\Anaconda3”和“D:\Anaconda3\Scripts”，第一个是安装路径，第二个是Scripts文件夹路径。添加完之后，“win+r”进入运行，输入“cmd”进入命令行。在命令行中可以运行python.
4 安装Visual Studio
本次安装使用的是Visual Studio2013，亲测可用。来自半年前实验室lff师姐下载的版本。各位看官请自行下载Visual Studio2013或者 Visual Studio2015。注意这两个版本是可用的，也看到2017年10月左右的帖子中vs2017也可用了，但是需要注意cuda的版本。至少2013是确定可用。这部分的安装也很麻烦，建议安装一种，不要安装2种。主要的目的好像在于CUDA需要C++的编译器，Windows下可以使用Visual C++。其他原因不知道，按照主流教程安装就好。
5下载安装CUDA.
CUDA是nvidia提供可以使用C++进行GPU编程的接口，其官方下载地址为:https://developer.nvidia.com/cuda-downloads 目前最新版本是cuda_9.1.85。当然你要选择一些设置，之后下载local版（有帖子推荐下载network版，但是我觉得没什么区别。）
【敲黑板！！！】
重点就在这里，不是所有的cuda都适用于你的显卡，也不是所有cuda都和将要安装的tensorflow匹配！就在这里需要搞清楚2件事情，第一，你的显卡适合什么cuda?第二，cuda需要配套什么tensorflow?
6确定cuda版本
我参考的连接：https://www.cnblogs.com/yingchuan-hxf/p/7710071.html
打开控制面板，搜索nvidia
在【帮助】中点选【系统信息】，在弹出的对话框中，选择【组件】
由此可以看到，我的显卡GTX1060支持的是CUDA 9.0.176,既不是网上流行的“最新版本8.0”，也不是可下载的最新版本9.1。那么我们之后就需要根据这个来选择tensorflow了。
在这个过程中我也走了很多弯路，首先，我是先安装了8.0，安装过程中，在第一步就显示说没有找到硬件设备，但是可以继续安装的错误。
别处截得的图片。
在安装cuda9.1后，遇到了import tensorflow ,找不到cuda9.0的问题，这是后面遇到的错误，这时候我突然想到要 更换cuda版本来消除这个错误。（没截图。。。但是相同语句在百度搜索可以搜到几个帖子）
截图类似于这个：
相关连接也可以查看一下希望对大家有帮助：http://blog.csdn.net/wobeatit/article/details/79207196
至此，我们选择了适合自己机器硬件版本的cuda。这步很重要，希望大家仔细寻找相关的教程，但我没能够给大家列出一个表格，什么显卡对应哪些·cuda...
福利，各种版本的cuda：https://developer.nvidia.com/cuda-toolkit-archive
7在vs和cuda安装好后，记得配置一下环境变量：
C:\Program Files (x86)\Microsoft Visual Studio 14.0\VC\bin
C:\Program Files (x86)\Microsoft Visual Studio 14.0\Common7\IDE
（这步来源于之前参考的帖子，本人没有添加这两个环境变量，也可以运行
8检查cuda
我们可以运行CUDA提供的例子来判断CUDA是否安装好了，打开
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v9.0\1_Utilities\deviceQuery,文件夹，运行
【deviceQuery_vs2013.sln】文件。(如果c盘乱，建议直接搜索“1_Utilities”)
生成解决方案后，点击绿色按钮运行。别忘了在代码结束前末尾加system(“pause”)。如果出现错误，可以采用重新编译什么的方案。可以看到自己的显卡设备信息，这样CUDA就安装好了（如果vs2015(vs2013)直接退出的话，在代码结束前末尾加system(“pause”);
运行结果类似这样：
这样，就确保cuda安装完毕。
8安装必要环境，这部分错误特别乱也特别多，希望大家一步步跟着来，错哪搜哪。
如何查看已安装的库
打开 Anaconda Command Prompt ,在命令提示符窗口中输入以下命令：`pip list` 或者`conda list`，
其中，`pip list` 只能查看库，而 `conda list` 则可以查看库以及库的版本
1. 如何安装或更新库
以安装 更新 scipy 为例
pip install scipy
pip install scipy --upgrade
或者
conda install scipy
conda update scipy
2.更新所有库
conda update --all
3.更新 conda 自身
conda update conda
4.更新 anaconda 自身
conda update anaconda在这个过程中，是直接在cmd命令行中进行的。如果没有pip ，那就先 conda install pip，之类的各种操作。整体来说，安装完这些，就可以进行下一步的安装咯。
9安装mingw 和 libpython
conda install mingw libpython命令行输入，如果网速慢，那就请用4g手机开热点下载。别担心那一点流量哦，不然等几个小时突然失败了好伤心。
10安装keras
pip install keras如果想使用ipython，需要在新的环境下安装ipyhon
conda install ipython请不要忽略对keras的配置问题：在安装keras之后，打开当前用户的目录 ，找到.Keras文件夹，里边有个keras.json文件，直接用笔记本打开 。目录在这里C:\Users\zhaiy\.keras（zhaiy是我的用户名）需要将backend修改为tensorflow。（至于channels_last还是channels_first怎么确定，我还不会，请多指教）
11安装tensorflow
这里不选用theano而选用tensorflow 的原因在于theano我没装上，具体的原因也解释不清。只要能支持keras就好，同学们也安装的是tensorflow,所以我就没再深究。
安装tensorflow时使用的语句如下：
>pip install tensorflow-gpu需要注意，这时安装的是最新版的 tensorflow-1.5.0（2018年2月9日），而这个版本的tensorflow ，刚好于倒数第二版的cuda9.0相匹配。所以各位看官，针对你自己机器的配置所安装的cuda,能使用什么版本的tensorflow需要您自己去寻找。
【！！！】注意那个小小的“-gpu”代表这要装的是gpu版本而不是cpu版本。（默认的话好像是cpu版本，第一次实验我就装成了这个，看到了cpu设备。）
这是再次安装的提示。
12环境变量设置。
配置环境，环境变量必须重视起来！除了安装程序自动添加的一部分环境变量外，所有的环境变量都添加在“系统变量”中的“path”中。
第一个框中是系统自己加的，很多是没用的cuda.第二个框是我自己写入的。
1~2条是在安装ananonda后添加的。
3~4条是安装mingw和libpython后添加的。（不添加会报错）
5条是我之前尝试theano添加的。（应该不需要咯）
如果还有别的添加环境变量的内容我没有写到请见谅并及时指出。
13安装cudnn!
还有一个没安装呢，不要太心急。百度一波“windows 安装cudnn就可以获得很多方案”看过几个帖子之后我就大概知道咯。
下载网站需要注册用户，密码要有英文大小写和数字。
https://developer.nvidia.com/rdp/cudnn-download
进入后依次选择需要的内容。
安装cuDNN7,比较简单，解压之后把三个文件夹复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0，然后不要忘了在环境变量中的用户变量中的Path中添加“C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0”
14完成了环境的配置！！！简单测试一下吧。
import tensorflow as tf
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
这样看到你的显卡设备就可以认为已经装好环境了！
PS：特别鸣谢hefei老师在安装tensorflow过程中的指导。为了描述我所安装的版本号，我又一次在cmd中输入了“pip install tensorflow”这次，我忘记了【-gpu】所以之后的运行过程中，gpu的信息就不见了。解决方案是将这2个tensorflow 都卸载了：分别使用
pip uninstall tensorflow
pip uninstall tensorflow-gpu之后再进行安装。
老师还提到了对使用哪个显卡进行设置的问题，因为笔记本电脑的显卡有独立显卡和集成显卡的区分。我印象中在之前的设备调试中有过设置，具体的已经忘记，如果遇到类似找不到gpu的情况还请大家对显卡的选用进行考虑。
总结：不要随便安装包，以免覆盖；删东西要彻底，删了一个再删一个；多问他人。更重要的是，应该边做边记，这样有利于学习总结。做完了再记，很多细节都已经忘了。