工欲善其事，必先利其器，以下是自己花了不少时间从网上找经验和方法搭建的windows版本下的深度学习环境，作为一个小结;
了解一下术语:
CUDA(Compute Unified Device Architecture，统一计算架构):NVIDIA推出的用于自家GPU的并行计算框架，也就是说CUDA只能在NVIDIA的GPU上运行，而且只有当要解决的计算问题是可以大量并行计算的时候才能发挥CUDA的作用。
cuDNN(CUDA Deep Neural Network library):是NVIDIA打造的针对深度神经网络的加速库，是一个用于深层神经网络的GPU加速库。
tensorflow:谷歌深度学习框架,理解成一个库就行了。
keras:就是站在巨人肩膀(tensorflow)上的人,是一个兼容 tensorflow的神经网络高级包,类似于封装了tensorflow，给开发者使用的时候更加方便。
Anaconda:可以便捷获取包且对包能够进行管理，同时对环境可以统一管理的发行版本。Anaconda包含了conda、Python在内的超过180个科学包及其依赖项。理解成管理python各种东西的就行。
本机配置：
系统:windows10.
显卡:NVIDIA GeForce GTX 1060 6GB
安装内容与顺序：
1.visual studio 2017
2.CUDA9.0
3.cuDNN 7.0.5
4.Anaconda
5.tensorflow-gpu
具体步骤：
1.安装vs；(vs必须安装，CUDA是与其结合使用的)
进入官网进行下载:
https://visualstudio.microsoft.com/downloads/
安装过程中勾选 C++组件
2.安装CUDA
查看显卡类型，查看显卡支持的CUDA的版本 NVIDIA控制面板=>帮助=>系统信息=>组件=>NVCUDA.DLL=>产品名称 (自己的是9.1，但是！！！！！要安装9.0！9.0！9.0！)
CUDA下载地址:
https://developer.nvidia.com/cuda-toolkit-archive
3.配置CUDA
电脑右键，打开属性==>高级系统设置==>高级==>环境变量，可以看到系统中多了两个环境变量：CUDA_PATH 和 CUDA_PATH_V9_0，
添加如下几个环境变量：
CUDA_BIN_PATH = %CUDA_PATH%\bin
CUDA_LIB_PATH = %CUDA_PATH%\lib\x64
CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v9.0
CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64
CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64
在用户变量Path中添加:C:\ProgramData\NVIDIA GPU Computing Toolkit\v9.0
命令行输入 set cuda 查看配置情况
或者进入 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\extras\demo_suite目录，使用命令行运行bandwidthTest和deviceQuery，看到显卡信息和‘Result = PASS 表示配置成功
3.下载cudnn
https://developer.nvidia.com/rdp/cudnn-archive（需要注册账号才能下载)
根据CUDA版本选择相应版本
下载成功后，将里面的bin、lib、include文件夹中内容复制到CUDA安装目录的对应文件目录下
CUDA默认安装目录为:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0
4.安装Anaconda
https://www.anaconda.com/distribution/
一直按照默认下一步即可，但是其中有一个，勾上，表示添加到环境变量中
4.下载tensorflow-gpu
可以创建一个环境专门用于深度学习:
创建新环境：conda create -n tensorflow-gpu python=3.6.5
激活/切换到该环节 activate tensorflow
选择正确的tensorflow-gpu版本
在该环境下的命令行输入
pip install tensorflow-gpu==1.8.0
(这里存在一个pip速度慢的问题，解决方案如下:
到user目录中建立一个pip目录，然后新建pip.ini,例如:C:\Users\SONDER\pip\pip.ini
ini中的内容为:
[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple)
5.下载keras
pip install keras
6.检查是否安装成功
在命令行输入
import tensorflow
import kears
没有报错 则成功
安装过程的各种坑和注意事项:
CUDA cudnn tensorflow keras的版本号务必要对应，否则会发生各种各种错误！！！
这里自己之前踩的坑是装的9.1版本的cuda，但是最后安装完成后会出现各种问题，然后百度发现tensorflow-gpu不兼容9.1 9.2 所以只能重新卸载了在装，不过自己比较强迫症，重装了windows系统后全部装了一遍。
～～～～～
那么，我就祝你万事胜意吧。
～～～～～