原文地址：http://www.jianshu.com/p/c245d46d43f0
写在前面的话
2016年11月29日，Google Brain 工程师团队宣布在 TensorFlow 0.12 中加入初步的 Windows 支持。但是目前只支持64位，而且Python版本为3.5版本，需要CUDA 8.0 。
之前Tensorflow对windows的支持并不好，导致如果需要使用它，需要转移到Linux平台，或者使用Cygwin什么的，总之挺麻烦，现在好了。麻烦事google帮我们解决了。感谢google！
Tensorflow和Keras都是支持Python接口的，所以本文中说的都是搭建一个Python的深度学习环境。还有一点，我也是新手，写得不好请勿喷！忽视本文就好。
如果你不清楚Keras和Tensorflow是什么关系？请看下图：
Keras与Tensorflow和theano关系图.png
Keras是对Tensorflow或者Theano的再次封装，也就是以Tensorflow或Theano为后端，默认的后端是tensorflow，如果你想使用theano为后端，可以更改为theano。
Keras为什么要对tensorflow和theano进行再次封装，当然是为了使用更简单！为了让我们不用关注那么多的底层细节，把所有精力都放在实际问题上面。
Tesorflow与theano是可以使用Nvidia GPU进行加速的，如果你的GPU不支持CUDA，那么也不用担心，那就使用CPU，只是速度慢点（其实是慢很多！(^_^)）。如果你的GPU支持CUDA，不用犹豫了，果断使用CUDA进行加速吧，速度快个10~20倍，那是常事。
好了说了这么多，下面进入正题。
一、文件准备
- windows 10 64bit旗舰版（版本1607，OS内部版本 14393.576）
- cuda_8.0.44_win10.exe: CUDA安装文件。去NVIDIA官网下载。
CUDA是由显卡厂商NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。
- Visual Studio 2015 Community: 请使用Community版本（社区版），因为它是免费的！免费的！当然，你注册个微软账号使用起来就更好了。
- Rapid Environment Editor（环境变量编辑器）
先把它安装了吧，编辑环境变量方便点。
- Anaconda3-4.2.0-Windows-x86_64.exe
Anaconda是一个Python科学计算环境，提供了很多常用的Python库，例如：
numpy，scipy, matplotlib等等。自带的包管理器conda也很强大，可以方便地安装各种Python库。
下载地址：https://www.continuum.io/downloads/ - DXSDK_Jun10.exe
微软的DirectX SDK工具包，不安装它的话，后面编译CUDA_Samples是没法成功的。下载地址：https://pan.baidu.com/share/link?shareid=197164616&uk=369246564&fid=2918892502
- cudnn-8.0-windows10-x64-v5.1.zip
CUDA的神经网络加速库，可以在前面GPU加速基础上大概再提升1.5倍的速度。 下载地址：https://developer.nvidia.com/cudnn
1. 安装Rapid Environment Editor
这个东西是编辑环境变量的，挺好用的，先把它安装了吧。后面给自己省事。安装完成后，默认界面是英文的，到设置里面改为中文吧。启动的时候，设置位管理员启动吧，不然没法更改系统环境变量。
2. 安装DXSDK_Jun10.exe
直接按照提示下一步就好了。我在windows 10上安装的时候，最后的时候会报错，不过没有关系，关掉那个框。搜索下"d3dx9.h"、"d3dx10.h"、"d3dx11.h"头文件是不是存在，如果路径如下这个样子，就成功了。路径：C:\Program Files (x86)\Microsoft DirectX SDK (June 2010)\Include\d3dx9.h
DirectX SDK S1023错误.png
二、安装CUDA
深度学习库如果使用CUDA进行GPU加速，可以大大缩短计算时间。如果不需要GPU加速，直接跳到第三部分。
2.1 检查GPU是否支持CUDA
先确定下自己的显卡型号（不要告诉我你不知道怎么查看自己的显卡型号）。安装CUDA前先检查下，自己的显卡是否支持CUDA，可以从下面的网址查看自己的显卡是否在支持之列。如果你的显卡比较新，到这里检查是否支持CUDA：https://developer.nvidia.com/cuda-gpus
如果你的显卡很老，请到如下链接检查是否支持CUDA：https://developer.nvidia.com/cuda-legacy-gpus
注意笔记本和desktop的区别。
如果自己电脑显卡不支持的话就跳过第二部分，直接到第三部分。我的显卡是GTX650，是支持CUDA的，所以继续。
2.2 安装Visual Studio 2015 community
Visual Studio 2015 community的安装包到哪里找，我就不说了。安装VS2015前，请先断网，不然安装过程会下载一堆东西，过程极慢。安装时只选择Visual C++部分，其他都可以不装，这样安装起来更快。安装要一会儿，请耐心等待。
2.3 CUDA安装
1. CUDA 8.0下载
从CUDA的官网下载安装文件，https://developer.nvidia.com/cuda-downloads，我安装时最新版本是 CUDA 8.0. 注意选择系统是windows 10，选择exe(local)那个Installer Type。如下图：
CUDA8.0下载.jpg
如果需要下载CUDA的历史版本，请到这里：https://developer.nvidia.com/cuda-toolkit-archive
2. 测试CUDA安装结果
打开命令提示符，输入：nvcc -V
可以看到如下信息：
nvcc.jpg
但是，这样并不代表安装成功了。等把CUDA_Samples示例编译通过不报错了，才能算是成功。
3. 编译CUDA示例程序
（1）在 c:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0 目录下，有CUDA的示例程序。由于我安装的是VS2015，所以我打开Samples_vs2015.sln那个解决方案文件，将解决方案配置更改为Release和x64.
使用Release模型，由于所有程序安装包用的都是64位版本，所以改为x64比较好。
（2）右键单击，编译整个解决方案。如果不出意外，将会编译成功。如果提示是缺少：
"d3dx9.h"、"d3dx10.h"、"d3dx11.h"头文件 ，说明前面安装DirectX SDK没有安装好，重新安装下DXSDK_Jun10.exe，再次编译。
（3）关闭VS2015，在
c:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\bin\win64\Release
目录下找到deviceQuery.exe这个文件。打开一个cmd窗口，定位到 c:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\bin\win64\Release目录，输入：deviceQuery.exe ，然后回车。会得到如下结果：
检查CUDA是否安装成功.jpg
如果你的结果与上面类似，恭喜你！CUDA 8.0安装成功了！
如果报错了，请检查下前面的步骤是否严格执行了。重新再来，直到成功。
三、安装Tensorflow与Keras
3.1 安装Anaconda
1. 下载Anaconda
Anaconda包含很多科学计算的包，例如numpy、scipy等等，可以为你省去不少麻烦，它的官网在这里：https://www.continuum.io/downloads ，下载最新的Anaconda 4.2版本，Python版本选择3.5 64bit的那个版本。
下载Anaconda.jpg
万一你执意使用Python 2.7，我只能告诉你，最新的tensorflow-0.12在windows平台可能对python-2.7支持得不够好，中间会出问题的。
2. 安装Anaconda
- 如果你之前有安装Anaconda 2系列的，在环境变量里面把相关的环境变量给删除了。
C:\Anaconda2
C:\Anaconda2\Scripts
C:\Anaconda2\Library\bin- 安装挺简单，我一般安装在C盘根目录下：c:\Anaconda3
建议大家也安装到根目录下。
安装时，在Install for那个界面，建议选择【All Users(requires admin privileges)】那个选项。
在如下那个界面中，把两个选项都勾上（默认是勾上的）
安装Anaconda-2个选项.png
3.2 更改pip的默认源
Python开发安装包时，使用pip进行包安装非常方便。但pip默认的源服务器在国外，下载非常慢，而且经常出现下载后安装出错问题。因此，有必要更换为国内的pypi源。
对于windows来说，直接在当前用户目录下新建一个pip.ini文件，例如：c:\Users\Luoge\pip.ini
pip.ini的文件内容如下：
[global]
index-url = http://mirrors.aliyun.com/pypi/simple/
[install]
trusted-host=mirrors.aliyun.com上面是将源更换为了阿里云的源（阿里爸爸牛逼！~），输入完成后，记得保存。
3.3 安装Tensorflow
下面两种安装方式二选一。
在线网络安装方式
保持网络连接，从开始菜单中打开Anaconda Prompt，输入：pip install tensorflow-gpu
然后就耐心等待吧。如果安装成功了，跳过离线安装方式。
在线安装tensorflow.png
- 如果它提示你更新pip，你就按照提示更新pip好了。
- 如果这种方式安装失败了，请看下面的 离线安装方式
离线安装方式
如果在线从pip安装tensorflow总是失败，那就下载python的whl包，本地安装的。
下载地址： http://www.lfd.uci.edu/~gohlke/pythonlibs/
Ctrl+F搜索Tensorflow，找到： tensorflow_gpu?0.12.0rc1?cp35?cp35m?win_amd64.whl
注意下载带gpu字样的版本，它才支持GPU加速。下载也不太快，视你的网速而定。
为了方便大家，我在百度云上上传了一份，大家也可以上百度云下载：http://pan.baidu.com/s/1o77WBe6
不客气！
从开始菜单中打开Anaconda Prompt，输入：pip install c:\Users\Luoge\Downloads\tensorflow_gpu-0.12.0rc1-cp35-cp35m-win_amd64.whl
然后，等待安装完成就好了。
3.4 安装Keras
保持网络连接，从开始菜单中打开Anaconda Prompt，输入：pip install keras
回车，安装就开始了，它会顺带把Theano也给安装上，但是这里安装的Theano版本比较老，是Theano-0.8.2。我们使用tensorflow作为后端，而不是theano，所以不用理会它，让它装上就好了。
四、测试Keras是否安装成功
从开始菜单中打开Anaconda Prompt，在命令行中输入：python，再输入：
import tensorflow as tf
sess = tf.Session()
a = tf.constant(10)
b = tf.constant(22)
print(sess.run(a + b))如果正确打印出结果32，不报错，说明tensorflow安装成功。
再输入：
import keras若不报错，说明安装成功。
五、让速度更快一点
1. cuDNN可以在前面GPU加速基础上大概再提升1.5倍的速度，它由nVIDIA开发。可以到nVIDIA官网上下载。下载之前需要注册，然后问一系列问题，请耐心弄完。然后就可以下载了。不要下载错了，下载windows 10系统下64位的，最新的支持CUDA 8.0的cuDNN-5.1，文件名是：cudnn-8.0-windows10-x64-v5.1.zip
下载cudnn.jpg
2. 下载完成后解压缩。里面有bin、include、lib三个目录，将三个文件夹复制到安装CUDA的地方覆盖对应文件夹，默认文件夹在：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0
3. 如何验证CuDNN是否配置成功呢？
打开Anaconda Prompt，输入python，再输入import tensorflow，显示的如果是下图这样子，不提示没有安装cudnn，就成功了。
cudnn安装成功后.jpg