2016年11月29日，Google Brain 工程师团队公布发表在 TensorFlow 0.12 中插手初阶的 Windows 撑持。但是目前只撑持64位，而且Python版本为3.5版本，需要CUDA 8.0 。
之前Tensorflow对windows的撑持并欠好，导致如果需要使用它，需要转移到Linux平台，或者使用Cygwin什么的，总之挺麻烦，此刻好了。麻烦事google帮我们解决了。感谢感动google！
Tensorflow和Keras都是撑持Python接口的，所以本文中说的都是搭建一个Python的深度学习环境。还有一点，我也是新手，写得欠好请勿喷！忽视本文就好。
如果你不清楚Keras和Tensorflow是什么关系？请看下图：
Keras与Tensorflow和theano关系图.png
Keras是对Tensorflow或者Theano的再次封装，也就是以Tensorflow或Theano为后端，默认的后端是tensorflow，如果你想使用theano为后端，可以变动为theano。
Keras为什么要对tensorflow和theano进行再次封装，固然是为了使用更简单！为了让我们不用存眷那么多的底层细节，把所有精力都放在实际问题上面。
Tesorflow与theano是可以使用Nvidia GPU进行加速的，如果你的GPU不撑持CUDA，那么也不用担忧，那就使用CPU，只是速度慢点（其实是慢很多！(^_^)）。如果你的GPU撑持CUDA，不用踌躇了，果断使用CUDA进行加速吧，速度快个10~20倍，那是常事。
好了说了这么多，下面进入正题。
一、文件筹备 1. 安置Rapid Environment Editor这个对象是编纂环境变量的，挺好用的，先把它安置了吧。后面给本身省事。安置完成后，默认界面是英文的，到设置里面改为中文吧。启动的时候，设置位打点员启动吧，不然没法变动系统环境变量。
2. 安置DXSDK_Jun10.exe直接凭据提示下一步就好了。我在windows 10上安置的时候，最后的时候会报错，不过没有关系，关失阿谁框。搜索下"d3dx9.h"、"d3dx10.h"、"d3dx11.h"头文件是不是存在，如果路径如下这个样子，就告成了。路径：C:\Program Files (x86)\Microsoft DirectX SDK (June 2010)\Include\d3dx9.h
DirectX SDK S1023错误.png
二、安置CUDA深度学习库如果使用CUDA进行GPU加速，可以大大缩短计算时间。如果不需要GPU加速，直接跳到第三部分。
2.1 查抄GPU是否撑持CUDA先确定下本身的显卡型号（不要报告我你不知道怎么检察本身的显卡型号）。安置CUDA前先查抄下，本身的显卡是否撑持CUDA，可以从下面的网址检察本身的显卡是否在撑持之列。如果你的显卡对照新，到这里查抄是否撑持CUDA：https://developer.nvidia.com/cuda-gpus
如果你的显卡很老，请到如下链接查抄是否撑持CUDA：https://developer.nvidia.com/cuda-legacy-gpus
注意条记本和desktop的区别。
如果本身电脑显卡不撑持的话就跳过第二部分，直接到第三部分。我的显卡是GTX650，是撑持CUDA的，所以继续。
2.2 安置Visual Studio 2015 communityVisual Studio 2015 community的安置包到哪里找，我就不说了。安置VS2015前，请先断网，不然安置过程会下载一堆对象，过程极慢。安置时只选择Visual C++部分，其他都可以不装，这样安置起来更快。安置要一会儿，请耐心期待。
2.3 CUDA安置 1. CUDA 8.0下载从CUDA的官网下载安置文件，https://developer.nvidia.com/cuda-downloads，我安置时最新版本是 CUDA 8.0. 注意选择系统是windows 10，选择exe(local)阿谁Installer Type。如下图：
CUDA8.0下载.jpg
如果需要下载CUDA的历史版本，请到这里：https://developer.nvidia.com/cuda-toolkit-archive
2. 测试CUDA安置功效打开命令提示符，输入：nvcc -V
可以看到如下信息：
nvcc.jpg
但是，这样并不代表安置告成了。等把CUDA_Samples示例编译通过不报错了，才华算是告成。
3. 编译CUDA示例措施