入坑深度学习一（T^T）：搭建深度学习算法环境Anaconda+keras+tensorflow-gpu
我读本科那会，接触到最复杂的算法估计就是神经网络了，本以为要死磕好久（怕考试懵逼不会），但是老师们都是说说层面上的东西，然后考试也就考个名词，然后对它的认识就停留在一个高（nan）能（gao）名词上........ ε=(´ο｀*)))唉，生活不易，学渣还是也要勤奋起来，至少得为自己排雷嘛，另外我的目标是想要深度学习做影像，包括影像分割、分类和目标检测这些吧。
1、环境配置
首先我梳理了一下这些英语单词（-_-||）的关系：
Keras和PyTorch是深度学习的开源框架，深受数据科学家的欢迎。其中：
- Keras是一种能够在TensorFlow、CNTK、Theano或MXNet（或者在TensorFlow中运行tf.contrib）上运行的高级API。自2015年3月首次发布以来，它因易于使用和语法简单而备受青睐，使开发更加快速。由Google的支持。
- PyTorch于2016年10月发布，是一款专注于直接使用数组表达式的低级API。它在过去的一年里备受瞩目，成为学术研究的首选解决方案，以及需要优化自定义表达式的深度学习应用。由Facebook支持。
安装Anaconda，找得到一堆安装教程。它不仅可以安装和运行Python的工具，还是统一和跨平台的虚拟环境。
运行Anaconda prompt（就像windows的cmd）:
conda list:会给出本地有的安装模块
这里列一下常用的机器学习 python库：
解决数据科学：numpy(N维数组对象)，pandas(数据分析）；
解决数据可视化：matplotlib（2D绘图库）；
解决机器学习问题：Scikit-learn,XGBoost/LightGBM；
解决深度学习框架：Tensorflow，Pytorch，Keras，caffe以及MXNet，Theano等;(PS：这些框架介绍和区别文https://blog.csdn.net/selinaqqqq/article/details/89312393）
分布式深度学习：Dist-Keras，elephas,spark-deep-learning;
自然语言处理：NLTK；
数据采集：Scrapy；
conda --help
配置keras环境：conda create --name keras python=3.6（Keras官方文档没说支持3.7，我试过感觉TensorFlow装不上）
完成以后其实在Anaconda Navigator也可以看到：
2、进入Keras环境
conda activate keras
(之前没进去，在base环境里面安装了好像，然后就不行..........)
3、安装Keras库
conda install keras
(keras) C:\Users\Administrator>python
Python 3.7.3 (default, Apr 24 2019, 15:29:51) [MSC v.1915 64 bit (AMD64)] :: Anaconda, Inc. on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> from keras.models import Sequential
Using TensorFlow backend.出现这段应该就成功了。
4、安装TensorFlow-GPU
pip install tensorflow-gpu
我查资料说TensorFlow默认装的是CPU，然后我装的tensorflow要求Cuda 10.0。
实验电脑的显卡还挺好的：
5、加载TensorFlow 看是否成功
conda list
然后进入python ，import tensorflow
意思是我装了cuda 10.0还得去找这个cuDNN指针安装....
注意：现在tensorflow支持的cudnn是7.4版本的，我这个7.6的cudnn太高了，后面跑程序会报错（有些没有，我也不知道为什么.....）
我直接把下好的cuDNN目录复制到cuda 10.0下面了。
成功！
6、安装pycharm编程
然后点击File->settings->Project:Project->Project Interpreter，找到Keras安装目录下的python.exe就可以了。
