环境！Anaconda3配置Spyder3.6及TensorFlow，keras和相关库

在Anaconda3(Python3.7)的官方版本下，配置另一个环境python3.6
本机系统：WIN10
PS：本系统已装了cuda9了，这里就不教学了，
参考官网https://developer.nvidia.com/cuda-downloads（CUDA）

为什么需要配置python3.6？

在使用机器学习中，TensorFlow（下面简称：TF）是不可或缺的一项工具，而TF需要对应的python版本，因此在Anaconda3已推出的python3.7的时候，我们的TF依旧不能及时支持，需要回调到python3.6的版本。


参考官网：https://tensorflow.google.cn/install/source_windows（Tensorflow的官网）

下载和安装最新的Anaconda

目前，最新的是2018.12更新的python3.7，直接选择下载

跟着步骤，第一次的，也要安装与喜爱VS code
参考官网：https://www.anaconda.com/distribution/

配置python3.6

开始菜单栏——选择Anaconda——打开Anaconda Navigator

选择Packages，这次我们是要选择Python3.6

点击Create就可以自动创建了

下载spyder（3.6）

开始菜单栏——选择Anaconda——打开Anaconda Prompt
（此时的命令基本以conda为首）
运行命令：activate python3.6
此命令为运行python3.6的环境，然后在此命令下说安装的东西会直接在python3.6中

出现（python3.6）即为成功
然后，下载spyder
运行命令：conda install spyder
回复：Y
等待安装过程

这边说一下为什么选择spyder，
笔者之前是使用过matlab，可惜matlab的机器学习环境并不是很好，因而转战python。在数据可视化方面，spyder的可视化和习惯几乎和matlab相同，可以直接看到参数变量，是比较方面和直观的。

安装完成。
看看菜单栏，有spyder（python3.6）即可(spyder 3.3.1)

库的安装

注意：库的安装都在python3.6的环境下
ps：以后需要啥包，pip install xxx即可。
比如需要numpy，则pip install numpy
需要pandas，则pip install pandas
查看安装了什么库： pip list

GPU-版本
numpy
tensorflow-gpu
scipy
PyYAML
keras
html5lib
Pillow
scikit-image
注意：留意您的tensorflow-GPU版本，笔者下载的是TensorFlow-gpu==1.12
在Anaconda Prompt (python3.6)下输入

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

查看有没有使用到GPU

打开spyder。
在左侧的代码框中输入如下代码：

import tensorflow as tf

hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print (sess.run(hello))

如果右侧的仿真输出窗口顺利输出：
‘Hello， Tensorflow！’
那就代表Tensorflow安装成功。

在命令行中依次输入如下命令：

conda install git # 安装git工具
git clone https://github.com/fchollet/keras.git #下载工程内容
cd keras/examples/  #进入代码路径
python mnist_mlp.py  #用python运行程序

然后就会发现正在运行程序，是典型的机器学习入门的例子，识别手写数字。
总共训练二十次。
每次都会输出误差及准确率。
完成20次训练后，进行test，再给出test的误差及准确率。
到此，keras验证完毕。
bingo！！！

参考博客：https://blog.csdn.net/evolone/article/details/79072714