首先检查你的电脑，主要就是显卡、CPU和内存。比如，下面是我的电脑配置。
CPU:I5-8300
RAM:8G
GPU: GTX 1060
深度学习真的需要安装很多东西,由于很多同学都是以windows做主要的操作系统,所以,本文就以window为例.
anaconda: https://repo.continuum.io/archive/ Anaconda3-5.2.0-Windows-x86_64.exe
VS2015: community就可以了
git: Git-2.21.0-64-bit(方便你管理代码)
GPU 驱动: 放在后面说
1.1 首先安装anaconda， 一路next，下面是个关键的环节，都选择上，然后一路next.
1.2 安装VS2015，一路next,这个可以根据个人情况选择性的安装那些东西。一般选择上C++和.net即可。为什么安装这个呢，因为在后面我们要把训练好的模型用C++做集成。
1.3 更新pip
打开cmd， 输入python -m pip install --upgrade pip
1.4 安装显卡驱动(安装这个东东，头发白了一根，不得不卸载好多东西)
1.4.1 去这个网站下载CUDA并安装
https://developer.nvidia.com/cuda-downloads?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exenetwork
双击下载的exe，就会弹出安装界面，安装即可。
1.4.2 下载cudnn
在此网站下载，下载的版本应该和CUDA的版本对应。
https://developer.nvidia.com/rdp/cudnn-download
下载完成后，解压到C盘一个文件夹内，而后在系统的环境变量path中添加如下的环境变量。
C:\。。。。\cuda\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v１０.１\bin
1.5 安装tensorflow
１.５.１ 打开anaconda prompt
１.５.２ 输入conda create -n tensorflow－gpu python=3.6
１.５.３ 输入conda activate tensorflow-gpu
１.５.４ 输入conda install tensorflow-gpu
１.５.５ 输入pip install keras
１.５.６ 验证tensorflow是否安装成功，同时验证是否为GPU版本
import numpy
import tensorflow as tf
a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
c = tf.matmul(a, b)
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
print(sess.run(c))
如果看到了GPU的信息，那么恭喜你，你安装GPU版本的ｔｅｎｓｏｒｆｌｏｗ成功了。
１.６ 那怎么卸载呢
在anaconda promopt中输入：
１.６.１ activate tensorflow－gpu
１.６.２ pip uninstall tensorflow-gpu
１.６.３ ｙ
下一节，将带大家用FCN训练血管造影图，并用C++集成训练好的模型，实现血管分割。
本文已同步至微信公众号，欢迎关注！
