写在前面：博主电脑的操作系统是WIN7 64位操作系统，之前安装了Keras/Theano后端并配置了GPU加速。16年12月谷歌发布Tensorflow1.0，支持windows操作系统，于是想再配置下Keras/Tensorflow环境。Tensorflow在windows系统下对python版本有一定的要求Python3.5以上，博主之前安装Theano的时候用的是Python2.7，于是就需要解决Python多版本共存的问题。编不下去了，开始写正文。。。
用到的软件（windows版本）：
Anaconda2、Anaconda3
VS2015（2013）、CUDA8.0、cudnn5.1
1、Python（Anaconda）多版本共存
很多情况下，我们都需要在同一台电脑上安装Python2（Anaconda2）和Python3（Anaconda3），但是一个让人头疼的问题就是pip安装第三库的时候总是出现问题，看了网上有很多教程，把我觉得最实用最简单的一个方法介绍给大家。
首先安装Anaconda2，Anaconda2是集成了很多Python环境，比如spyder、jupyter notebook等。上Anaconda官网https://www.continuum.io/downloads/下载你想要的版本（2对应python2.7，3对应python3.5），install for All Users然后安装在C盘根目录（建议此路径，方便后期的环境变量配置）下。选上下图这两个勾，第一个勾表示把Anaconda2添加到环境变量里，第二个表示设置Anaconda2里的Python设置为系统默认的Python。
耐心等待安装完成，安装完成后，进入cmd，输入python，可查看系统默认Python版本，如下图所示：
下面介绍在Anaconda2的子环境下安装Anaconda3，上官网下载Anaconda3并安装（博主用的版本是Anaconda3-4.2.0-Windows-x86_64），安装路径如下图所示。
C:\Anaconda2是之前Anaconda2的安装路径，在C:\Anaconda2\envs的文件夹下新建一个名为py3的文件夹（此文件夹用于安装Anaconda3的子环境）
此处不勾选这两个选项，因为勾选之后会覆盖之前的环境变量以及系统默认后端。
Install，耐心等待安装完成。安装完成之后，进入C:\Anaconda2\envs\py3生成了一系列Anaconda3的安装文件。进入cmd，输入activate py3，激活Anaconda3的子环境（deactivate py3 取消激活），然后输入python，可查看Python版本为Python3.5。在Anaconda3子环境下，pip安装第三方库的话，库文件自动保存在Anaconda3的C:\Anaconda2\envs\py3\Lib\site-packages文件夹下。
至此，Python2（Anaconda2）和Python3（Anaconda3）的共存问题已解决。
2、Keras Theano后端环境搭建
1）安装Theano、Keras
参考Keras中文文档的安装教程http://keras-cn.readthedocs.io/en/latest/getting_started/keras_windows/
首先进入cmd，输入conda install git
然后输入pip install --upgrade --no-deps git+git://github.com/Theano/Theano.git
（安装加速开发版本的Theano，因为github上的很多代码都是基于最新开发版本的，所以我们安装最新的版本）
同样，安装加速开发版本的Keras，输入pip install --upgrade --no-deps git+git://github.com/fchollet/keras.git
2）环境变量配置
在我的电脑右键/属性/高级/环境变量/系统变量中的path（注意各路径间用英文分号隔开，anaconda安装路径不同的话，环境变量也做相应的修改）
C:\Anaconda2;C:\Anaconda2\Scripts;C:\Anaconda2\MinGW\bin;C:\Anaconda2\MinGW\x86_64-w64-mingw32\lib;
3）修改默认后端
Keras的默认后端是Tensorflow，所以安装Theano时需要做相应的修改，具体如下：
打开C:\Users\当前用户名\.keras，修改文件夹内的keras.json文件内容为：
{"image_dim_ordering":"th","epsilon":1e-07,"floatx":"float32","backend":"theano"}
如果在路径下找不到.keras文件，建议首先在python环境里import keras一下，再上述路径下来查看。
以上是CPU版本跟GPU版本都需要做的一些准备工作，接下来需要配置一些加速，CPU与GPU略有不同。
4）Theano加速
在 C:\Users\当前用户名\ 下，新建.theanorc.txt文件。
注意：以下的路径都是博主电脑的的安装路径，安装路径不一样的需要做相应的修改。
【CPU版本】.theanorc.txt文件内容如下：
[global]
openmp=True
device = cpu
floatX = float32
allow_input_downcast=True
[gcc]
cxxflags=-IC:\Anaconda2\MinGW
【GPU版本】
需要先安装Micrsoft Visual Studio 2015（或者2013，因为windows操作系统下配置CUDA加速时需要有VS的环境，VS怎么安装就不赘述了）
然后下载安装windows版本的CUDA8.0，安装路径全部默认，https://developer.nvidia.com/cuda-downloads
再然后进行CUDA环境变量的配置：
右键我的电脑/属性/高级/环境变量/系统变量，可以看见安装完CUDA之后系统变量中多了CUDA_PATH和CUDA_PATH_V8.0两个环境变量，再添加以下几个新的环境变量：
变量名 CUDA_SDK_PATH 变量值 C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0
变量名CUDA_LIB_PATH变量值 %CUDA_PATH%\lib\x64
变量名CUDA_BIN_PATH变量值 %CUDA_PATH%\bin
变量名CUDA_SDK_BIN_PATH变量值 %CUDA_SDK_PATH%\bin\win64
变量名CUDA_SDK_LIB_PATH变量值 %CUDA_SDK_PATH%\common\lib\x64
在Path环境变量后添加;%CUDA_LIB_PATH%;%CUDA_BIN_PATH%;%CUDA_SDK_LIB_PATH%;%CUDA_SDK_BIN_PATH%;（注意路径之间用英文分号隔开）
测试CUDA安装是否成功
进入cmd，输入nvcc -V，返回CUDA的一些版本信息
输入cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\extras\demo_suite，cd到这个这个目录下之后有bandwidthTest.exe和deviceQuery.exe两个可执行文件
输入bandwidthTest.exe，返回一大片结果，最后显示Result = PASS
输入deviceQuery.exe ，返回一大片结果，最后显示Result = PASS
以上测试全部通过，则CUDA安装成功
再然后下载windows版本的cudnn5.1（这是一个压缩包），需要注册一下，注册之后马上就能下载，https://developer.nvidia.com/cudnn
再再然后配置cudnn加速，这一步很简单，把解压出的bin、include、lib三个文件里的文件复制到CUDA安装路径下对应的文件夹下即可。
把 bin\cudnn64_5.dll 复制到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin 文件夹下（这是博主的安装路径）
把 include\cudnn.h 复制到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\include 文件夹下
把 lib\x64\cudnn.lib 复制到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64 文件夹下
至此，cudnn加速完成
然后.theanorc.txt文件内容如下：
[global]
openmp=False
device = gpu
optimizer_including=cudnn
floatX = float32
allow_input_downcast=True
[lib]cnmem =0.8
[blas]ldflags=
[gcc]cxxflags=-IC:\Anaconda2\MinGW
[nvcc]
fastmath = True
flags=-LC:\Anaconda2\libs
compiler_bindir=D:\Microsoft Visual Studio 12.0\VC\bin
5）测试
进入cmd，输入python进入python环境，输入命令import theano，会先debug一下，然后GPU版本显示如下则测试成功，CPU版本未提示错误即可。
另外，可通过运行一些Keras例子来进行测试，https://github.com/fchollet/keras/tree/master/examples 随便选择一个例子运行一下即可。
至此，Keras的Theano后端CPU、GPU版本的环境搭建完成。
3、Keras Tensorflow后端环境搭建
参考Tensorflow官方教程 https://www.tensorflow.org/install/install_windows
由于Tensorflow在windows系统下要求python版本3.5以上，前文已经介绍如何安装python3.5的子环境，我们激活子环境，然后再安装tensorflow。,
1）进入cmd，输入activate py3，然后
【CPU版本】输入pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow-1.0.0-cp35-cp35m-win_x86_64.whl
【GPU版本】输入 pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-1.0.0-cp35-cp35m-win_x86_64.whl
一般在安装过程会出现以下这两个错误提示：
第一个问题，No module named theano~~~
这是个很蹊跷的问题，问题的起因在于之前按照官方教程安装的时候，配置了一个名叫PYTHONPATH的环境变量，所以博主在前文有意避免了这个问题，没有配置PYTHONPATH，如果有出现这个问题的朋友，可以删除这个环境变量，再进行尝试。
第二个问题，Found existing installation: setuptools 27.2.0 Cannot remove entries from nonexistent file~~~
这个问题，可以通过输入命令 pip install --upgrade --ignore-installed setuptools，再运行之前的命令代码即可解决
安装过程会持续几分钟，需要从网上下载一些第三方库，所以需要保持网络的畅通无阻。
安装过程结束之后，输入python，进入python环境，输入命令import tensorflow显示如下：
（因为前文在配置Theano后端的时候博主已经配置了CUDA加速，所以再安装Tensorflow的时候无需再进行配置），这时能显示了CUDA的一些信息，则tensorflow的GPU环境配置成功。
同样如果是CPU版本的话，import tensorflow不提示错误就行啦，去随便官网找几个例子自己做一下测试。
至此，你就可以在windows系统下运行tensorflow的程序啦~~~
2）更改Keras后端
打开C:\Users\当前用户名\.keras，修改文件夹内的keras.json文件内容为：
{"image_dim_ordering":"tf","epsilon":1e-07,"floatx":"float32","backend":"tensorflow"}
3）测试
运行官网（https://github.com/fchollet/keras/tree/master/examples）的mnist_cnn.py文件即可，此时Keras的后端已经转换成tensorflow后端啦~
大功告成！
至此，Python多版本共存问题、Keras Theano后端CPU/GPU环境配置、Keras Tensorflow后端CPU/GPU环境配置全部完成啦~
第一次写博客，思路有点乱，有待改进，写得不对的地方敬请指出，希望对朋友们有些帮助！
最后，贴上几篇参考的博客，写的都很好：
【1】 Win10 TensorFlow（gpu）安装详解 http://blog.csdn.net/sb19931201/article/details/53648615
【2】CUDA 8.0 + VS2013 + win7 x64开发环境搭建 http://blog.csdn.net/lvfeiya/article/details/53325784
【3】CUDA7.5安装和vs2013配置 http://blog.csdn.net/u011314529/article/details/51505029
【4】Windows下Anaconda2(Python2)和Anaconda3(Python3)的共存 http://blog.csdn.net/infin1te/article/details/50445217