既然要深入学习，就不能和时代脱节，所以选择了keras，资源相对比较丰富。由于Windows饱受歧视，各种文档都不推荐使用。但我又没有换系统的成本，所以还是凑合下，毕竟他们给出了方法，稍微折腾一下还是可以的。参考整合了链接[1-2]的tensorflow安装教程和链接[4]的keras安装教程，感谢原作者！
一、python。
单纯的肯定不方便：所以先装上anaconda。集成度很高，非常给力，不然各种scipy啥的会搞得很麻烦。注意版本的选择，python 3.5~3.6可以，因为tensorflow只支持3.5+的。
二、cuda/cudnn。（CPU版本TensorFlow忽略）
TensorFlow分为CPU版和GPU版，如果你打算安装GPU版，请先安装如下两个驱动：
1、CUDA安装：https://developer.nvidia.com/cudnn（要注册Nvidia用户，并加入CuDNN开发组，填若干问卷就可以下载了）选择下载版本时要注意和Cuda版本匹配。解压后覆盖至CUDA的安装目录下
例如：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\
三、pip。
需要切换到国内的镜像，过会才能提高安装的速度和成功率。win7在C:\Users\用户名\AppData\Local\pip文件夹（我电脑上不知怎么变成C:\ProgramData\pip\）创建pip.ini，写入以下内容：
[global]
index-url = http://mirrors.aliyun.com/pypi/simple/
[install]
trusted-host=mirrors.aliyun.com
上面是阿里云，其它的国内镜像还有以下，其他设置详见文后链接[3]：
清华：https://pypi.tuna.tsinghua.edu.cn/simple
阿里云：http://mirrors.aliyun.com/pypi/simple/
中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/
华中理工大学：http://pypi.hustunique.com/
山东理工大学：http://pypi.sdutlinux.org/
豆瓣：http://pypi.douban.com/simple/
四、tensorflow。
官方说明链接[1]给出了安装最新tf的方法，如果遇到问题可以参考。但他用conda命令，所以我们用pip快点。打开anaconda prompt输入pip install --upgrade tensorflow回车。如果是GPU版本，输入pip install --upgrade tensorflow-gpu即可。装完了测试下（IPython中），能输出结果32就是成功的。
>>>import tensorflow as tf
>>>sess = tf.Session()
>>>a = tf.constant(10)
>>>b = tf.constant(22)
>>>print(sess.run(a + b))
五、keras。
文档给的方法是输入pip install keras -U --pre，可是我试了多次失败，后来去掉参数-U可以了，因为-U会强制更新相关的包，有时候就怎么都装不好了。我下的最新anaconda，里面的包应该不需要强制更新，所以用pip install keras --pre即可安装。装完了测试下，能正常运行就是成功，他给的示例数据下载的比较慢，需要开启科学上网才行：
>>> conda install git
>>> git clone https://github.com/fchollet/keras.git
>>> cd keras/examples/
>>> python mnist_mlp.py
推荐链接：
[1] https://www.tensorflow.org/install/install_windows
[2] http://blog.csdn.net/include1224/article/details/53452824
[3]http://www.cnblogs.com/microman/p/6107879.html
[4]http://keras-cn.readthedocs.io/en/latest/for_beginners/keras_windows/