写在前面的话：
再弄这个之前，我对python也好，tensorflow也好几乎是0认知的，所以配置这个环境的时候，走了不少弯路，整整耗费了一个星期的时间才搭配完整这个环境，简直了。。。然而最气的是，好不容易搭好了环境，因为我笔记本配置低，老师给的程序根本跑不起来。
这个环境搭配的教程有很多博客可以参考，我却弄了很久也没成功，反思自己，是自大的心理在作怪。教程里让用python3.5，而我偏偏安装python3.6，教程说安装cuda8，我发现官网出了cuda9，就安装了9，这么弄下去当然不容易成功。本文所需的大多数文件和安装包，及参考博客会在最后给出链接。
对于已经看过其他教程的朋友们如果没安装成功可以检查一下：
1，兼容性问题
python3.6 + cuda8 + cuDNN6
python3.5 + cuda8 + cuDNN5.1
这是我目前发现的兼容的组合，在python3.6的组合下，是不需要Micrsolft Visual C++ 2015 Redistributable的，需要的是Micrsolft Visual C++ 2017 Redistributable。目前cuda最新的最新版是9，但是我用python3.6并没能够成功引用。
2，cuda + cuDNN的安装配置
安装之前需要确定你的显卡是不是NVIDA 的 显卡，是否支持cuda，否则就只能老老实实的用cpu跑程序了。cuda的安装正常来说只需要一步一步点击就可以了，最开始的时候我的电脑安装cuda9会直接安装失败，不知道为什么，朋友们在安装的时候如果简要安装会失败的话，可以考虑自定义安装，只选择和cuda相关的组件，其他的不选择，基本就没有问题了，环境变量也不用特意去修改，都是修改完的。
只安装cuda而不安装cuDNN是不可以的，下载对应版本的cuDNN，解压后将对应文件放置到cuda的安装目录下的对应文件夹下，cuda的安装目录可以通过查看环境变量的找到。
3，tensorflow-gpu的安装
tensorflow的安装实际上非常简单
支持cuda：打开cmd，输入pip install tensorflow-gpu
不支持cuda：打开cmd，输入pip install tensorflow
需要注意的是，tensorflow和tensorflow-gpu只需要安装一个。
4，keras的安装
keras的安装稍微复杂一点儿，直接敲pip install keras多半会报错（看不懂什么意思）。需要先手动下两个包，sripy和numpy+mkl（链接会在文章最后给出）。
4，1 先安装munpy+mkl
在cmd中输入 pip install munpy+mkl的绝对路径地址即可安装。可以通过右键打开该文件的属性，安装选项卡里有个对象名称，直接复制就可以
4，2后安装scipy
同样的方法安装scipy
4，3安装keras
这个时候再通过cmd
pip install keras
就没有问题了
5，VScode的使用
安装没什么可以讲的了，按照向导点点点就ok了，这里说一下为什么使用VScode，首先是速度，VS2017同样是支持python的，功能也很强大，但是速度太慢，再者是调试，VScode可以调试python程序就像是调试C程序一样，用着很舒服，并且不用配置，直接使用本机的python环境。
（未完待续）
有兴趣的朋友欢迎共同学习沟通：sr_john_green@outlook.com