本教程基于Anaconda搭建，利用Anaconda搭建的好处都有啥？
- 自带NumPy、Pandas等180多个科学包极其依赖项，懒人福音
- 在同一台电脑上可搭建多个相互独立的Python环境
- 强大的媲美pip的包管理命令conda
1. 思想准备
深度学习涉及很多非常复杂的数学原理，如果不是搞科研，不需要成为业界专家，浅尝辄止即可。我们更多地应该关注如何将深度学习与现实应用点结合起来，以实现其真正的价值。
2. 基本概念
- 机器学习：让计算机具有自学能力的一个研究领域
- 神经网络：机器学习的分支之一，目的在于让计算机模拟人脑思维方式
- 深度学习：一组强大的让神经网络的表现超过其它传统模型的学习技术
- SciPy：机器学习的类库生态系统，包括numpy、matplotlib、pandas等
- Scikit-Learn：功能齐全（数据处理、参数选择等）的机器学习基础类库
- TensorFlow：专攻深度学习的基础类库之一，另一个是CNTK
- Keras：为了使用更简单，对TensorFlow或CNTK的再次封装
- GPU版：TensorFlow/CNTK可以使用Nvidia GPU进行加速
- CUDA：Nvidia 的通用并行计算架构，GPU版TensorFlow必备
- cuDNN：CUDA Deep Neural Network，CUDA下神经网络加速库
3. 安装准备
- 下载安装VisualC++ Redistributable for Visual Studio 2015
https://www.microsoft.com/en-us/download/confirmation.aspx?id=48145 - 下载安装HDF5（一种一种能高效存储和分发科学数据的数据格式）
https://www.hdfgroup.org/downloads/hdf5/ - 下载安装Graphviz（一款有向/无向图绘制工具），记得配置环境变量
https://graphviz.gitlab.io/_pages/Download/Download_windows.html - 下载安装Anaconda
https://www.anaconda.com/download/
4. 正式安装
打开Anaconda Prompt，查看当前已安装的Python环境，初始应该就一个base
conda env list
创建指定版本的Python环境，-n指定环境名字，这里为“keras”（需要去官网查询下TensorFlow/Keras支持的最高Python版本），注意加上anaconda参数，如果不加的话，新环境将不会有那180多个科学包极其依赖项
conda create -n keras python=3.5.4 anaconda
进入新的环境，并查看已安装的包
conda activate keras
conda list
新环境应该已经自带h5py，不过有时程序会报FutureWarning，需要更新，更新命令如下
conda update h5py
安装pydot与graphviz（这俩都是Graphviz的Python接口）。pydot用conda命令就能安装成功，graphviz却不行，原因未知，需要改用pip命令；在用之前，还需要先对pip做一下升级。（后续在用conda安装其它包的时候，如果安装不了，也是像这样切到pip命令安装）
python -m pip install --upgrade pip
pip install graphviz
安装TensorFlow
conda install tensorflow
安装Keras
conda install keras
在工程中应用该Python环境（PyCharm），配置工程Interpreter：
Add->Conda Environment->Existing environment->{keras环境路径}\python.exe
至此，环境搭建完毕，可以开始Hello World了~
