2018年 2月8日下午，開始搭建環境。我新買了聯想Y720膝上型電腦一臺，希望用它來開展深度學習的探索。根據之前的一點點經驗，搭建深度學習的環境。本篇部落格主要記錄的是流程，不提供相關資料的下載連結等，希望對學習者有所幫助，也希望有大神對安裝程序的錯誤進行指教。

1找到一些相關的帖子進行大致瞭解，在此，我參考的帖子是這個：

（博主說不允許轉載，不知道發連線是否可行，有問題請及時聯絡我）順序其實不太重要，我就按照我安裝的順序進行記錄。

2首先安裝的是pycharm編譯器，我已經註冊其賬戶並憑藉在校學生的身份申請到一年的使用許可權。（任意python編譯器都可以的吧）在官網下載最新版本（pycharm-professional-2017.3.3）(2018.2.8日前下載)

3下載anaconda,官方網站可以選擇版本，我下載的同樣是最新的Anaconda 5.0.1版本，但是官網下載非常慢（大概幾十kb/s,我耽誤了至少1天時間等它下載好），所以，在此，推薦清華大學的映象（百度“清華映象anaconda”）。安裝的是python3.6。

映象中下載的也正常使用了，截圖如下：

不要忘記配置“環境變數”，具體如何找到環境變數需要百度搜索，之後注意，有"使用者變數和系統變數"的區分。我們要設定的是系統變數，分別將2個變數新增到對應的位置中：“D:\Anaconda3”和“D:\Anaconda3\Scripts”，第一個是安裝路徑，第二個是Scripts資料夾路徑。新增完之後，“win+r”進入執行，輸入“cmd”進入命令列。在命令列中可以執行python.

4 安裝Visual Studio

本次安裝使用的是Visual Studio2013，親測可用。來自半年前實驗室lff師姐下載的版本。各位看官請自行下載Visual Studio2013或者 Visual Studio2015。注意這兩個版本是可用的，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是確定可用。這部分的安裝也很麻煩，建議安裝一種，不要安裝2種。主要的目的好像在於CUDA需要C++的編譯器，Windows下可以使用Visual C++。其他原因不知道，按照主流教程安裝就好。

5下載安裝CUDA.

CUDA是nvidia提供可以使用C++進行GPU程式設計的介面，其官方下載地址為:

【敲黑板！！！】

重點就在這裡，不是所有的cuda都適用於你的顯示卡，也不是所有cuda都和將要安裝的tensorflow匹配！就在這裡需要搞清楚2件事情，第一，你的顯示卡適合什麼cuda?第二，cuda需要配套什麼tensorflow?

6確定cuda版本

開啟控制面板，搜尋nvidia

在【幫助】中點選【系統資訊】，在彈出的對話方塊中，選擇【元件】

由此可以看到，我的顯示卡GTX1060支援的是CUDA  9.0.176,既不是網上流行的“最新版本8.0”，也不是可下載的最新版本9.1。那麼我們之後就需要根據這個來選擇tensorflow了。

在這個過程中我也走了很多彎路，首先，我是先安裝了8.0，安裝過程中，在第一步就顯示說沒有找到硬體裝置，但是可以繼續安裝的錯誤。

別處截得的圖片。

在安裝cuda9.1後，遇到了import tensorflow ,找不到cuda9.0的問題，這是後面遇到的錯誤，這時候我突然想到要 更換cuda版本來消除這個錯誤。（沒截圖。。。但是相同語句在百度搜索可以搜到幾個帖子）

截圖類似於這個：

至此，我們選擇了適合自己機器硬體版本的cuda。這步很重要，希望大家仔細尋找相關的教程，但我沒能夠給大家列出一個表格，什麼顯示卡對應哪些·cuda...

7在vs和cuda安裝好後，記得配置一下環境變數：

C:\Program Files (x86)\Microsoft Visual Studio 14.0\VC\bin 

C:\Program Files (x86)\Microsoft Visual Studio 14.0\Common7\IDE

（這步來源於之前參考的帖子，本人沒有新增這兩個環境變數，也可以執行

8檢查cuda

我們可以執行CUDA提供的例子來判斷CUDA是否安裝好了，開啟

C:\ProgramData\NVIDIA Corporation\CUDA Samples\v9.0\1_Utilities\deviceQuery,資料夾，執行

【deviceQuery_vs2013.sln】檔案。(如果c盤亂，建議直接搜尋“1_Utilities”)

生成解決方案後，點選綠色按鈕執行。別忘了在程式碼結束前末尾加system(“pause”)。如果出現錯誤，可以採用重新編譯什麼的方案。可以看到自己的顯示卡裝置資訊，這樣CUDA就安裝好了（如果vs2015(vs2013)直接退出的話，在程式碼結束前末尾加system(“pause”);

執行結果類似這樣：

這樣，就確保cuda安裝完畢。

8安裝必要環境，這部分錯誤特別亂也特別多，希望大家一步步跟著來，錯哪搜哪。

如何檢視已安裝的庫
開啟 Anaconda Command Prompt ,在命令提示符視窗中輸入以下命令：`pip list` 或者`conda list`，
其中，`pip list` 只能檢視庫，而 `conda list` 則可以檢視庫以及庫的版本

1. 如何安裝或更新庫

以安裝 更新 scipy 為例
pip install scipy
pip install scipy --upgrade
或者
conda install scipy
conda update scipy

2.更新所有庫
conda update --all

3.更新 conda 自身
conda update conda

4.更新 anaconda 自身
conda update anaconda

在這個過程中，是直接在cmd命令列中進行的。如果沒有pip ，那就先 conda install pip，之類的各種操作。整體來說，安裝完這些，就可以進行下一步的安裝咯。

9安裝mingw 和 libpython 

conda install mingw libpython

命令列輸入，如果網速慢，那就請用4g手機開熱點下載。別擔心那一點流量哦，不然等幾個小時突然失敗了好傷心。

10安裝keras

pip install keras

如果想使用ipython，需要在新的環境下安裝ipyhon 

conda install ipython

請不要忽略對keras的配置問題：在安裝keras之後，開啟當前使用者的目錄 ，找到.Keras資料夾，裡邊有個keras.json檔案，直接用筆記本開啟 。目錄在這裡C:\Users\zhaiy\.keras（zhaiy是我的使用者名稱）需要將backend修改為tensorflow。（至於channels_last還是channels_first怎麼確定，我還不會，請多指教）

11安裝tensorflow 

這裡不選用theano而選用tensorflow 的原因在於theano我沒裝上，具體的原因也解釋不清。只要能支援keras就好，同學們也安裝的是tensorflow,所以我就沒再深究。

安裝tensorflow時使用的語句如下：

>pip install tensorflow-gpu

需要注意，這時安裝的是最新版的 tensorflow-1.5.0（2018年2月9日），而這個版本的tensorflow ，剛好於倒數第二版的cuda9.0相匹配。所以各位看官，針對你自己機器的配置所安裝的cuda,能使用什麼版本的tensorflow需要您自己去尋找。

【！！！】注意那個小小的“-gpu”代表這要裝的是gpu版本而不是cpu版本。（預設的話好像是cpu版本，第一次實驗我就裝成了這個，看到了cpu裝置。）

這是再次安裝的提示。

12環境變數設定。

配置環境，環境變數必須重視起來！除了安裝程式自動新增的一部分環境變數外，所有的環境變數都新增在“系統變數”中的“path”中。

第一個框中是系統自己加的，很多是沒用的cuda.第二個框是我自己寫入的。

1~2條是在安裝ananonda後新增的。

3~4條是安裝mingw和libpython後新增的。（不新增會報錯）

5條是我之前嘗試theano新增的。（應該不需要咯）

如果還有別的新增環境變數的內容我沒有寫到請見諒並及時指出。

13安裝cudnn!

還有一個沒安裝呢，不要太心急。百度一波“windows 安裝cudnn就可以獲得很多方案”看過幾個帖子之後我就大概知道咯。

下載網站需要註冊使用者，密碼要有英文大小寫和數字。

進入後依次選擇需要的內容。

安裝cuDNN7,比較簡單，解壓之後把三個資料夾複製到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0，然後不要忘了在環境變數中的使用者變數中的Path中新增“C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0”

14完成了環境的配置！！！簡單測試一下吧。

import tensorflow as tf
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))

這樣看到你的顯示卡裝置就可以認為已經裝好環境了！

PS：特別鳴謝hefei老師在安裝tensorflow過程中的指導。為了描述我所安裝的版本號，我又一次在cmd中輸入了“pip install tensorflow”這次，我忘記了【-gpu】所以之後的執行過程中，gpu的資訊就不見了。解決方案是將這2個tensorflow 都解除安裝了：分別使用

pip uninstall tensorflow
pip uninstall tensorflow-gpu

之後再進行安裝。

老師還提到了對使用哪個顯示卡進行設定的問題，因為膝上型電腦的顯示卡有獨立顯示卡和整合顯示卡的區分。我印象中在之前的裝置除錯中有過設定，具體的已經忘記，如果遇到類似找不到gpu的情況還請大家對顯示卡的選用進行考慮。

總結：不要隨便安裝包，以免覆蓋；刪東西要徹底，刪了一個再刪一個；多問他人。更重要的是，應該邊做邊記，這樣有利於學習總結。做完了再記，很多細節都已經忘了。