搭建 Tensorflow 和 Keras 开发环境

在Tensorflow官网的安装向导中可以看到，tf有两个版本，分别为CPU和GPU版本，两个版本的区别在于：GPU版本依赖于NVIDIA（英伟达™）GPU（图形处理器，即显卡），并且通过NVIDIA提供的运算平台CUDA(Compute Unified Device Architecture)及cuDNN（CUDA Deep Neural Network）对一些常用的神经网络操作进行性能提升，但是这两个工具只支持NVIDIA的显卡（N卡），而不支持AMD公司的产品（A卡），因此如果要安装的PC没有配置N卡，是无法安装GPU版本的。

通过调用以下命令创建一个名为tensorflow的conda环境：

C：> conda create -n tensorflow pip python = 3.6

 

通过发出以下命令来激活tensorflow环境：

C:> activate tensorflow

2）在conda环境中安装TensorFlow。

要安装TensorFlow的纯CPU版本，输入以下命令：

pip install --ignore-installed --upgrade tensorflow

要安装TensorFlow的GPU版本，输入以下命令：

pip install --ignore-installed --upgrade tensorflow-gpu

之后开始连接并自动下载

下载安装成功：

查看目前安装了哪些环境，确保名叫tensorflow的环境已经被成功添加：conda info --envs 

*表示当前环境

接着安装 keras：

先逛一下keras官网

按照官网指示，在conda环境pip安装：pip install keras

虽然显示安装成功，包括numpy、scipy等都成功，但是在安装之后，在tensorflow环境中并不能import keras成功

于是采用conda安装（与pip并不冲突）键入：conda install keras

（补充：后面补充使用pip命令成功的做法，因为使用conda安装，conda把keras当成一个包来管理，安装时一并把tensorflow1.2.1（但是这个并不是我们想要的）给安装了，因此会出现下面：不用激活tensorflow环境就可以‘import  keras‘和’import keras’）