1、安装 Anaconda
下载地址：https://www.continuum.io/downloads
1）笔者当时用的是 64-Bit 以及 Python 3.5（Windows10环境下 tensorflow 目前暂时只支持 Py3.5），下载完成后安装
2）安装完毕，打开 Anaconda Prompt，输入清华仓库镜像，下载更新安装包速度快到飞起
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
（建议输入twice，以便将此镜像地址置于 top position）
conda config --set show_channel_urls yes
2、安装 TensorFlow
1）继续在 Anaconda Prompt 中输入：conda create -n tensorflow python=3.5，创建 python 3.5 环境
2）安装完成后输入：activate tensorflow，激活 tensorflow
使用CPU版本的小伙伴，请输入：
pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow-1.1.0-cp35-cp35m-win_amd64.whl
使用GPU版本的小伙伴，请输入：
pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-1.1.0-cp35-cp35m-win_amd64.whl
【 一次可能不会 successful，需要多次尝试，在此附上官方 package 地址：http://www.lfd.uci.edu/~gohlke/pythonlibs/ ，实在不行的话可以去上面找到合适的版本下载，个人推荐使用迅雷等下载工具，速度会快些 】
CUDA 和 cudnn 的下载安装请参考： http://www.jianshu.com/p/c245d46d43f0，以及http://blog.csdn.net/diaoling1990/article/details/65657561，内容很详细，大家可相互参考着来看。
在这里要多说几句，版本真的很重要（目前的最新版本为：tensorflow-gpu 1.3.0 ; CUDA 8.0.61 ; cudnn 6.0），tensorflow-gpu 0.12.0 和 CUDA 8.0.44 或 （8.0.61）、cudnn 5.1 搭配一般不易出错，其他它的就不一定了，其他 versions 出现报错一般都是由于这三者版本之间不兼容的问题，但是跑有些数据却又对 tensorflow 的最低版本有一定的要求，不然会报错，个人认为还是 upgrade 到 1.1.0 版会比较保险些。按照官网的说法是这样的：TensorFlow supports cudnn v5.1 for GPU acceleration & cuDNN v6 if on TF v1.3，其实也是有些自相矛盾的，希望 NVIDIA 方面今后能有所改进，以免让大家多走弯路。再来就是环境变量的设置问题，CUDA 的一些路径要添加到 path 环境变量中，主要是以下三个，否则的话会各种报错。
c:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin
c:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64
c:\Programe Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\extras\ CUPTI\libx64
3、tensorflow 测试
>>>import tensorflow as tf
>>>sess = tf.InteractiveSession()
>>>x = tf.Variable([1.0, 2.0])
>>>a = tf.constant([3.0, 3.0])
>>>x.initializer.run()
>>>sub = tf.sub(x, a)
>>>sub.eval()
>>>[-2. -1.]
# 当然，最简单的办法还是 >>>import tensorflow，不报错就大功告成啦
4、tensorboard
tensorflow 自带可视化工具 tensorboard，可帮助更加方便的理解、调试与优化 tensorflow 程序
如果是使用 pip 安装 tensorflow，在 tensorflow 终端输入：tensorboard --logdir=/tmp/tensorflow/mnist/logs（自己的工程路径）
将 http://222.24.85.23:6006 在浏览器中打开（最好选择 Google Chrome 浏览器，其它浏览器可能会报错或空白），弹出如下界面：
注意：笔者 tensorflow 版本为 0.12.0 ，升级为 1.3.0 后 terminal 无法给出 tensorboard 网址，换用 0.12.0 版本后问题解决，可能是因为目前还不支持新版本。另外，使用期间 terminal 不可关闭，否则 tensorboard 页面将无法进入。
至此tensorflow 安装完毕。有兴趣的小伙伴们可以去跑跑官方提供的 MNIST 数据集，最近又新出了据说是可以取代 MNIST 的 Fashion-MNIST 数据集 ( https://github.com/zalandoresearch/fashion-mnist )，Fashion-MNIST数据集的存储方式和命名与 MNIST 完全一致，大家可以试一试。
5、安装 Keras
方法一：（推荐）
1）activate tensorflow
2）pip install keras （一般会出现 error，提示安装scipy失败，所以只能单独安装）
3）使用 pip list 查看哪些 packages 出现 install failed 情况，发现缺少 scipy（一般需要安装包括 numpy 和 wheel 在内的几个包）
4）可在 www.lfd.uci.edu/%7Egohlke/pythonlibs/ 上找到相应的 whl 文件：numpy-1.13.1+mkl-cp35-cp35m-win_amd64.whl & scipy-0.19.0-cp35-cp35m-win_amd64.whl，点击下载到本地 ( 即便已经安装过 numpy，也要继续下载安装 numpy+mkl 的 whl 文件，emphasis 在于 mkl 而不是 numpy 本身 )
5）这两个文件安装完毕后，就可以 pip install keras 安装 keras 了
6）测试：>>> import keras
>>> Using Tensorflow backend
方法二：
(python3.5.3) C:/Users/Administrator>conda install mingw libpython theano -y
(python3.5.3) C:/Users/Administrator>pip install keras（一般下载安装会比较慢）
至此 keras 安装成功。
6、Win10 Anaconda3下同时配置 Python 2 和 3
1）打开 Anaconda Navigator，选择 Environments，Create a new environment
2）选择 python2.7 版本，命名后开始安装，一般会花费个 few minutes
3）完成后回到 Home 页面，点击 Install 安装 Jupyter Notebook
（啰嗦两句，可直接点击 Launch 使用 Jupyter Notebook ，也可在 terminal 中通过：source activate 环境名，激活新建的 python 2 环境，然后输入 jupyter notebook 回车，网页会自动打开）
By the way， 如果上述方法不行，（一般会出现 kernel error），there is another way by cmd：
conda create -n ipykernel_py2 python=2 ipykernel # 创建 python2环境
activate ipykernel_py2 # 进入环境
python -m ipykernel install --user # 使python2 的 kernel 出现在 jupyter 新建的 notebook中
4）In any case，都需要另外安装 python 库，比如：conda install package_name
You can also install multiple packages in the same time，比如：conda install numpy scipy pandas
In addition，还可以 designate 安装包的 version，比如：conda install numpy=1.10
To be continued
