說明：
本人電腦使用的是Windows10系統，提前安裝了Anaconda
1. 創建虛擬環境+安裝keras
- 添加Anaconda的TUNA鏡像：
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ - 創建 python3.6 的虛擬環境： （python3.x儘量>=python3.5）
conda create -n keras python=3.6 - 查看創建的虛擬環境：
conda env list或conda info -e - 激活虛擬環境
activate keras - 安裝tensorflow1.9.0（這是tensorflow-CPU的安裝方式，GPU版可以參考：Win10+Python 3.6環境下cuda 9.1+cuDNN 7.1+Tensorflow 1.7+keras安裝）
pip install --upgrade tensorflow==1.9.0# 這是CPU版的tensorflow安裝方式
當然，如果沒有使用清華鏡像，也可以使用下面的命令進行下載，會快一點。
pip install tensorflow-gpu -i https://pypi.doubanio.com/simple/# 從豆瓣鏡像中下載速度比較快
pip install tensorflow-gpu 安裝 TensorFlow 速度非常慢（不推薦）
其實在安裝tensorflow之前可以先安裝numpy、scipy、mkl等一些庫。當然也可以直接讓conda在安裝tensorflow時制動給你安裝上必要的庫。安裝完成後，可以用以下代碼測試是否安裝成功。
# 程序可能會出現一些警告信息，但是不會報錯，且能看到運行結果
import tensorflow as tf
message = tf.constant('Hello tensorflow!')
with tf.Session() as sess:
print(sess.run(message))
- 安裝keras2.1.6
pip install keras==2.1.6
安裝完成之後，你可以用import keras來查看keras是否安裝成功。
# 去掉python輸出的警告：但是切記，不要盲目設置取消輸出。
import warnings
warnings.filterwarnings("ignore")
import keras # 導入keras模塊
keras.__version__ # 查看keras的安裝版本
import tensorflow as tf
tf.__version__ # 查看tensorflow的安裝版本
除此以外，建議安裝一些其他的常用庫
- 一個繪製數據圖的庫。對於數據科學家或分析師非常有用。
pip install matplotlib - Pandas是進行數據清晰/整理的最好工具
pip install pandas - Scikit-Learn是Python常用的機器學習工具包，提供了完善的機器學習工具箱，支持數據預處理、分類、迴歸、聚類、預測和模型分析等強大機器學習庫，其依賴於Numpy、Scipy和Matplotlib等。
pip install scikit-learn - 其他。。。。。。
將虛擬環境添加到jupyter notebook中去：
由於本人將使用的是jupyter notebook編程環境，所以需要進一步設置：
-
進入虛擬環境之後，在終端中輸指令：
conda install nb_conda
附nb_conda地址:https://github.com/Anaconda-Platform/nb_conda -
當安裝了新的conda虛擬環境時，發現在Jupyter Notebook中無法使用，可以在你的新環境上安裝ipykernel，重啓jupyter之後就可以用了
conda install -n python_env ipykernel -
將虛擬環境寫入jupyter notebook中的環境中，運行：
python -m ipykernel install --user --name 環境名稱 --display-name "在jupyter中顯示的環境名稱"，注意不要忘記了雙引號。例如：python -m ipykernel install --user --name test1 --display-name “test1” -
參考博客：