基本开发环境搭建
1.编译环境Microsoft Visual Studio 2015 Update 3
(安装CPU版本非必须安装)
cuda8.0仅支持2015版本，暂不支持VS2017，本文采用Visual Studio 2015 Update 3。 同样直接贴出迅雷热链：
ed2k://|file|cn_visual_studio_professional_2015_with_update_3_x86_x64_dvd_8923256.iso|7745202176|DD35D3D169D553224
2. Python环境
python环境建设推荐使用科学计算集成python发行版Anaconda，Anaconda是Python众多发行版中非常适用于科学计算的版本，里面已经集成了很多优秀的科学计算Python库。 建议安装Anconda3 4.2.0版本，目前新出的python3.6存在部分不兼容问题，所以建议安装历史版本4.2.0
注意1：Windows版本下的Tensorflow暂时不支持python2.7.
注意2：安装Anconda3 4.2.0版本，选择默认就好。我曾经什么都喜欢用最新的，下载安装了Anconda3 4.4.0版本，结果各种踩坑==，在安装TensorFlow时，各种报错，死活不成功@@.
注意3：可以根据自己的电脑，选择64位安装程序Anaconda3-4.2.0-Windows-x86_64.exe，或者32位安装程序Anaconda3-4.2.0-Windows-x86.exe，验证python是否安装成功，在命令窗口中，输入python -V，弹出相应python版本号，即代表安装成功。
下载地址： Anaconda
3. CUDA
(安装CPU版本非必须安装) CUDA Toolkit是NVIDIA公司面向GPU编程提供的基础工具包，也是驱动显卡计算的核心技术工具。 直接安装CUDA8.0即可 下载地址：https://developer.nvidia.com/cuda-downloads
在下载之后，按照步骤安装，不建议新手修改安装目录，同上，环境不需要配置，安装程序会自动配置好。
6. 加速库CuDNN
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\8.0
7. 安装TensorFlow
在CMD命令行中输入：
# GPU 版本 执行下面的命令
pip install --upgrade tensorflow-gpu
# CPU 版本 执行下面的命令
pip install --upgrade tensorflow
如果出现错误“Cannot remove entries from nonexistent file”，执行以下命令
“pip install --upgrade -I setuptools”即可
如果出现如下图所示的异常，执行python -m pip install --upgrade pip即可：
全部安装完成后，可以再次执行安装TensorFlow命令：
# GPU 版本 执行下面的命令pip install --upgrade tensorflow-gpu # CPU 版本 执行下面的命令 pip install --upgrade tensorflow
当然也可以cmd打开命令行：输入python，import tensorflow,如果没有报错，就表明安装成功了。
7. 安装Keras
在CMD命令行中输入：
pip install keras -U --pre
安装Keras的过程中出现了下边的问题：
Failed building wheel for scipy，
Failed cleaning build dir for scipy
pip在windows下不工作。
处理办法：
手动下载对应版本的Scipy，比如我们上面用的Anconda3 4.2.0版本，就是基于python3.5版本的，所以对应下载64位版本的，也有32位版本可以下载。
- scipy‑0.19.1‑cp35‑cp35m‑win_amd64.whl
- scipy‑0.19.1‑cp35‑cp35m‑win32.whl
http://www.lfd.uci.edu/~gohlke/pythonlibs/#scipy
手动安装的方式：打开下载完成的目录，按住Shift，点击右键，选择在此处打开命令窗口，弹出命令窗口后，输入pip install scipy‑0.19.1‑cp35‑cp35m‑win_amd64.whl
安装成功提示后，重新在CMD命令行中输入，继续安装Keras：
pip install keras -U --pre
当然也可能不出现上面的问题，在另一台机器上安装Keras，一次成功 ^_^
当出现Successfully installed keras-2.0.8 scipy-1.0.0rc1，即表明安装成功。
之后可以验证keras是否安装成功,在命令行中输入python, import keras,如果没有报错，即表明安装成功：
最后，下载Keras开发包，并测试Keras中mnist数据集 ，在命令行中依次执行如下命令：
conda install git
git clone https://github.com/fchollet/keras.git
cd keras/examples/
python mnist_mlp.py
执行conda install git时，输入y确认安装。
python mnist_mlp.py，输出如下结果，keras测试成功。
很多内容来自Keras安装和配置指南，我只是把我遇到的一些坑点，补充了一些，希望可以给大家一些帮助。
http://keras-cn.readthedocs.io/en/latest/for_beginners/keras_windows/