本教程不得用于任何形式的商业用途，如果需要转载请与作者SCP-173联系，如果发现未经允许复制转载，将保留追求其法律责任的权利。
如果您是高校学生或者高级研究人员，并且实验室或者个人资金充沛，建议您采用如下配置：
如果您是仅仅用于自学或代码调试，亦或是条件所限仅采用自己现有的设备进行开发，那么您的电脑至少满足以下几点：
关于Windows的版本选择，本人强烈建议对于部分高性能的新机器采用Windows10作为基础环境，部分老旧笔记本或低性能机器采用Windows7即可，本文环境将以Windows10作为开发环境进行描述。对于Windows10的发行版本选择，笔者建议采用Windows_10_enterprise_2016_ltsb_x64作为基础环境。
直接贴出热链，复制粘贴迅雷下载：
(安装CPU版本非必须安装)
CUDA编译器为MicrosoftVisualStudio，版本从2010-2015，其中cuda7.5仅支持2010、2012、2013，cuda8.0仅支持2015版本，本文采用VisualStudio2015Update3。同样直接贴出迅雷热链：
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。对于搞科学计算与深度学习的朋友们，建议安装Anconda2.7版本，如果您喜欢使用Anaconda3.5版本也没有太大问题，关于很多早期的python3.5不兼容问题现在已经全部解决，本文默认使用Anaconda2.7
gcc/g++是Windows环境与Linux环境非常大的一个差别点。不管是cpu版本还是gpu版本都需要安装GCC编译环境。本文提供两种解决方案：
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。
从官网下载需要注册账号申请，两三天批准。网盘搜索一般也能找到最新版。Windows目前就是cudnn-7.0-win-x64-v5.0-prod.zip。下载解压出来是名为cuda的文件夹，里面有bin、include、lib，将三个文件夹复制到安装CUDA的地方覆盖对应文件夹，默认文件夹在：C:\ProgramFiles\NVIDIAGPUComputingToolkit\CUDA
Keras深度学习框架是基于Theano或Tensorflow框架安装的，所以首先要准备底层框架的搭建，然而目前Tensorflow不支持Windows版本，所以本文选用Theano安装即可在CMD命令行或者Powershell中输入：
或者想要加速开发版本，用（前提是已经git,condainstallgit）
在我的电脑上右键->属性->高级->环境变量->系统变量中的path，添加
注意，本文将Anaconda安装至C盘根目录，根据自己的情况进行修改；另外在之前安装gcc/g++时采用MSYS2方式安装的，修改并重新定位MinGW文件夹，并做相应修改。
之后并新建变量PYTHONPATH，并添加
打开C:\Users\当前用户名\.keras,修改文件夹内的keras.json文件如下：
如果您的所安装的是CPU加速版本，那么.theanorc.txt文件配置如下：
之后可以验证keras是否安装成功,在命令行中输入Python命令进入Python变成命令行环境：
没有报错，那么Keras就已经成功安装了
在命令行中进入Python环境，输入：
会出现一系列信息，包括显卡型号、浮点数类型、是否采用CNmem和cuDNN（如果使用了的话）等等，那么恭喜你，环境彻底配置成功。如果使用了Windows系统的读者，电脑上可能会出现，debug的字样，这是第一次使用，在编译生成运行库，属于正常现象。
Python环境下输入：
如果得到的结果为False，说明你的除了gpu加速还得到了数学库blas加速，按照教程顺序配置的Linux用户是一定可以得到False结果的；Windows用户得到True也没有关系，因为Anaconda中已经内置了MKL加速库，如果想使用Openblas可以按照文末的联系方式联系我。
新建一个文件test.py，内容为：
在GTX970显卡下，输出结果大概是0.21秒，在一百倍运算量下19秒，可以进行对比。理论上，相比较主频为3.3GHz的CPU，加速比应该是75倍，但不同的ssd和内存限制了IO接口传输速度。
下载Keras开发包
程序无错进行，至此，keras安装完成。
目前发现使用Anaconda3安装theano时可能会有一个冲突：
暂时只有用以下方法处理：
对Anaconda3\Lib\site-packages\theano\configparser.py更改文件名，比如改为config_parser.py，在pycharm或其他IDE中随意运行一个cnn脚本，对遇到的每一个提示错误手动更改引用到的文件名为theano.config_parser，在将所有引用到这个文件的位置都改正后，应该就没有问题了。
由于作者水平和研究方向所限，无法对所有模块都非常精通，因此文档中不可避免的会出现各种错误、疏漏和不足之处。如果您在使用过程中有任何意见、建议和疑问，欢迎发送邮件到scp173.cool@gmail.com与中文文档作者取得联系.
本教程不得用于任何形式的商业用途，如果需要转载请与作者或中文文档作者联系，如果发现未经允许复制转载，将保留追求其法律责任的权利。