这是我第N次遇到把环境搞坏，再重新配环境，然后忘记各个步骤中的指令，然后全网查资料的情况。于是我决定落实一下一直都有的一个想法：写个 Blog 记录下从零开始搭建环境的全过程，以方便将来再次把环境搞坏的自己和遇到相同问题的同学们。
目录
Anaconda 安装
从 Anaconda官网 下载，安装。推荐安装 Python 3 的版本，所以无情的我给旁边打上了马赛克。
这一步出现问题的同学可以多练习一下软件的安装。
conda 的简单使用
基本操作
Anaconda Prompt 用着很舒服。使用 install 安装包，remove 卸载包，activate 激活环境。
以创建环境为例：
conda create -n DL python=3.6使用国内 conda 软件源加速
鉴于惨不忍睹的下载速度，我们可以使用 清华大学 或者 中科大 的仓库镜像加速下载，以清华为例：
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --set show_channel_urls yesjupyter lab 添加 kernel
Jupyter lab是一个神器，但是新建的环境在 jupyter lab中是不能直接使用的，需要安装ipykernel并将这个环境加入到Jupyter Lab中：
conda install ipykernel
python -m ipykernel install --name DLCUDA 安装
很多人都会遇到诸如 CUDA 8 和自己安装的 TensorFlow 版本不匹配然后被水淹没，不知所措的问题。对于这种问题只需要多看官方文档就好了。比如：
所以安CUDA之前先上官网看一眼最新的 TensorFlow 版本，或者根据你要安装的 TensorFlow 版本，选择合适的 CUDA 和 cuDNN 版本。
cuDNN 安装
cuDNN 下载解压后，要把它添加到环境变量里。可以直接解压到CUDA的安装路径下。
TensorFlow-GPU
我喜欢直接安装最新的稳定版本：
conda install tensorflow-gpu测试：
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))输出：
b'Hello, TensorFlow!'
BTW，现在 TF 2.0 Alpha 已经出来了，有空我去试试。
Keras
简单粗暴。
conda install keras我这一次安装的时候（4/6/2019），keras 提示支持 TensorFlow1.10.0，不晓得会不会和 CUDA 10 发生什么奇妙的化学反应。
LightGBM-GPU
待施工
其他要装的常用库
conda install numba
conda install scikit-learn
conda install matplotlib
conda install seaborn
conda install pandas
conda install pillow