之前在学校一直用的Ubuntu来配置深度学习环境，这次尝试了一下在windows下用Anaconda来配置。

  笔记本型号是惠普暗影精灵3，显卡1050TI，没有提前安装python、CUDA、CUDNN等，所有的库全部由Anaconda来安装，笔者比较强迫症，不喜欢在电脑上装得乱七八糟，用Anaconda管理是真滴舒服。

  一.Anaconda安装

  这一步网上已经有很多教程，下载Anaconda最好去清华镜像源下载，官网下载的速度太慢，注意要下载对应版本。

 

 如windows64位系统下载Anaconda3-2018.12-Windows-x86_64.exe

后面安装过程基本就是跟着安装界面一步一步next，路径尽量保证不要包含中文，有一点能说的就是在下面这个界面

如果没有预先安装python那么第二个必须打勾，第一个是询问是否将Anaconda的路径加到PATH环境变量中，这里虽然系统不推荐（not recommended），给出的理由是会影响之前安装的软件，这里笔者之前是打勾了，刚开始的几天没出问题，但是后面突然某一天电脑不能正常开机了，所以经过验证还是推荐不打勾，不加环境变量也可以运行程序。（这里勾选添加环境变量后出现的问题会在下一篇博客详细描述）

安装完成之后可以打开cmd，输入 conda info 或者 python有输出证明安装过程没有问题。

 

二.环境配置

打开Anaconda Navigator进入环境配置的界面

Anaconda方便之处就在这里，可以创建各种独立的工作区间，每一个区间都可以配置不同的环境，这里笔者使用的是Keras的GPU版，应该下载的是keras-gpu，直接勾选keras-gpu下载后，anaconda会自动的将所有需要的依赖加入下载选项，例如这里没有预先安装tensorflow的gpu版，但是安装keras-gpu时tensorflow-gpu会同样进入安装队列并且其他依赖需要降版本的anaconda会一并处理，着实方便！下载的时候如果没有更换为国内镜像源可能会出错，但是笔者根据网上的一些方法更换下载源之后反而变得不能下载，暂时没有找出原因，于是挂了VPN用的Anaconda默认下载源成功下载并安装。

三.运行程序

环境配置好后，笔者运行了一个CNN的手写数字识别代码来测试，用的是jupyter notebook（真香）。

测试结果如下：

      

可以看到一个epoch需要3秒，并且GPU占用率很高（风扇呼呼的转），记得最开始用CPU训练的时候大概是三十多秒一个epoch，CPU和GPU在训练时间上的差距真的挺大的。

到这里一个基本的使用GPU训练的深度学习环境就配置好了，希望对大家能有一点帮助。