摘要：大家都知道深度學(xué)習(xí)涉及到大量的模型算法，看著那些亂糟糟的公式符號(hào)，心中一定是。以最常用的環(huán)境為例。這里強(qiáng)烈推薦版本，因?yàn)樯疃葘W(xué)習(xí)動(dòng)輒幾小時(shí)幾天幾周的運(yùn)行市場(chǎng)，加速會(huì)節(jié)省你很多時(shí)間甚至電費(fèi)。常見(jiàn)錯(cuò)誤找不到指定的模塊。

區(qū)別于其他入門教程的“手把手式”，本文更強(qiáng)調(diào)“因”而非“果”。我之所以加上“通用”字樣，是因?yàn)樵谀懔私饬诉@個(gè)開發(fā)環(huán)境之后，那些很low的錯(cuò)誤你就不會(huì)犯了。
大家都知道深度學(xué)習(xí)涉及到大量的模型、算法，看著那些亂糟糟的公式符號(hào)，心中一定是“WTF”。我想說(shuō)的是，這些你都不要管，所謂車到山前必有路。

通常以我的習(xí)慣是以最簡(jiǎn)單的方式來(lái)接觸一門新的技術(shù)，并且盡量拋棄新的（邊緣）技術(shù)的介入，如果因?yàn)橐恍┢渌蛩貋?lái)導(dǎo)致學(xué)習(xí)樹的不斷擴(kuò)大，會(huì)變得很低效，所以我們直擊核心。以最常用的windows環(huán)境為例。
這里以windows7+TensorFlow-gpu1.5+cuda8+cudnn6+anaconda5+python3.6為例。這里強(qiáng)烈推薦GPU版本，因?yàn)樯疃葘W(xué)習(xí)動(dòng)輒幾小時(shí)、幾天、幾周的運(yùn)行市場(chǎng)，GPU加速會(huì)節(jié)省你很多時(shí)間（甚至電費(fèi)）。

cuda_8.0.61_windows.exe http://developer2.download.nvidia.com/compute/cuda/8.0/secure/Prod2/local_installers/cuda_8.0.61_windows.exe： 從NIVDIA官網(wǎng)下載需要找到歷史版本Legacy Releases。 tensorflow代碼引用的cuda庫(kù)必須絕對(duì)匹配，比如tensorflow1.3-1.5都使用cuda8的庫(kù)，目前（2017-10-24 20:40:53）不支持cuda9庫(kù)。
這里有一個(gè)關(guān)于cuda8的補(bǔ)丁，修復(fù)了8.0的一些bughttp://developer2.download.nvidia.com/compute/cuda/8.0/secure/Prod2/patches/2/cuda_8.0.61.2_windows.exe

cudnn-8.0-windows7-x64-v6.0.zip http://developer2.download.nvidia.com/compute/machine-learning/cudnn/secure/v6/prod/8.0_20170427/cudnn-8.0-windows7-x64-v6.0.zip：
和上面的原因一樣，請(qǐng)匹配6.0版本。

tensorflow https://github.com/tensorflow/tensorflow：
我之所以給出github的地址是因?yàn)閠ensorflow團(tuán)隊(duì)在github上每天12：34都有一次build，并且github不受“種種”網(wǎng)絡(luò)因素的影響。在tensorflow找到python3.6對(duì)應(yīng)gpu版本build history，找到whl文件地址。

Anaconda3-5.0.0-Windows-x86_64.exe https://www.anaconda.com/download/：
anaconda有一個(gè)最大的好處就是安裝各種python庫(kù)比較方便。

anaconda相當(dāng)于tensorflow運(yùn)行的容器。anaconda可以創(chuàng)建多個(gè)“盒子”（environment），每個(gè)盒子中的環(huán)境互不干擾，所以使用anaconda可以同時(shí)安裝python3.5/3.6，tensorflow1.3/1.5。
cuda和cudnn是tensorflow調(diào)用gpu所需要的庫(kù)。也就是說(shuō)tensorflow必須通過(guò)cuda和cudnn來(lái)調(diào)用電腦的gpu。

anaconda、cuda、cudnn安裝即可。在安裝過(guò)程中會(huì)自動(dòng)配置環(huán)境變量。

不過(guò)需要手動(dòng)將cuda的development目錄配置到CUDA_HOME中。

將cudnn解壓后，把文件復(fù)制到cuda對(duì)應(yīng)目錄。

啟動(dòng)anaconda,點(diǎn)擊environments（環(huán)境），點(diǎn)擊create（新建），命名tensorflow-gpu，選取3.6版本。

點(diǎn)擊tensorflow-gpu啟動(dòng)Open Terminal，輸入activate tensorflow-gpu。這時(shí)，anaconda下名字叫做tensorflow-gpu的環(huán)境已經(jīng)啟動(dòng)了。下面我們才真正開始安裝tensorflow。

輸入
pip install --ignore-installed --upgrade http://ci.tensorflow.org/view/tf-nightly/job/tf-nightly-windows/M=windows-gpu,PY=36/lastSuccessfulBuild/artifact/cmake_build/tf_python/dist/tf_nightly_gpu-1.5.0.dev20171024-cp36-cp36m-win_amd64.whl

稍等片刻tensorflow就安裝成功了。

點(diǎn)擊anaconda下我們創(chuàng)建的環(huán)境tensorflow-gpu啟動(dòng)Open With Python

輸入import tensorflow如果不報(bào)錯(cuò)就說(shuō)明安裝成功了。

ImportError: DLL load failed: 找不到指定的模塊。 這個(gè)錯(cuò)誤通常是cuda或者cudnn與tensorflow的版本對(duì)應(yīng)錯(cuò)誤。推薦下載cuda8+cudnn6。
當(dāng)然，隨著時(shí)間推移這些版本會(huì)被淘汰，但本教程依然適用。在github上找到tensorflow項(xiàng)目，在項(xiàng)目?jī)?nèi)搜索TF_CUDA_VERSION和TF_CUDNN_VERSION會(huì)看到當(dāng)前tensorflow對(duì)應(yīng)的是哪個(gè)cuda和cudnn版本。

其他錯(cuò)誤。
除1的錯(cuò)誤外我暫時(shí)沒(méi)碰到其他錯(cuò)誤，如果出現(xiàn)排錯(cuò)的思路是，確認(rèn)版本-->確認(rèn)庫(kù)是否包含在path中。如果依然無(wú)法解決，可以加我微信takeurhand討論。

mnist例子運(yùn)行需要安裝matplotlib庫(kù)，這時(shí)候anaconda的方便之處就得以體現(xiàn)了。點(diǎn)擊anaconda下tensorflow-gpu環(huán)境，再右側(cè)搜索matplotlib，勾選并點(diǎn)擊apply即可。

下載github上mnist教程例子https://github.com/martin-gorner/tensorflow-mnist-tutorial，并解壓。

啟動(dòng)anaconda下tensorflow-gpu環(huán)境Open Terminal，輸入activate tensorflow-gpu，cd到步驟2解壓目錄。

執(zhí)行python mnist_xx.py