参考博客：
https://blog.csdn.net/u013165921/article/details/77891913
1.编译环境使用anaconda
2.下载cuda
cuda是NVIDIA的GPU计算数学库和编译器，此时需要打开控制面板—NVIDIA—帮助—系统信息—组件 查看自己的电脑支持什么版本的cuda。
cuda下载链接：
cuda8.0 但是cuda8.0只支持vs2013
设置环境变量：（我安装的是cuda9.0）
安装结束后，我们在计算机上点右键，打开属性->高级系统设置->环境变量，可以看到系统中多了CUDA_PATH和CUDA_PATH_V9_0两个环境变量。
我们还需要在环境变量中添加如下几个变量：
| CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v9.0 |
| CUDA_LIB_PATH = %CUDA_PATH%\lib\x64 |
| CUDA_BIN_PATH = %CUDA_PATH%\bin |
| CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64 |
| CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64 |
查看是否安装成功：
在cuda安装文件夹中有deviceQuery.exe 和 bandwidthTest.exe两个程序。首先启动cmd DOS命令窗口，默认进来的是c:\users\Admistrator>路径，输入 cd .. 两次，来到c:目录下输入dir 找到安装的cuda文件夹。
分别输入deviceQuery.exe 和 bandwidthTest.exe，运行结果如图所示。Rsult=PASS则说明通过，反之，Rsult=Fail 则需要重新安装。
网上有很多配置vs2013、vs2017的，我认为那个知识一个编译环境，配置了直接使用vs里面的Python，这里使用anaconda，就不需要配置vs了。
3.安装mingw、libpython
使用anaconda prompt命令行终端
conda install -c anaconda mingw libpython4.安装cntk
cntk是微软开发的一个深度学习计算环境，既有速度快、GPU并行扩展能力强等优点，也是目前在循环神经网络计算速度最快的深度学习环境
为了不和现有的Python包冲突，我们需要搭建一个虚拟环境，虚拟环境就是领创一个Python的运行环境
查看当前存在哪些虚拟环境
conda env list创建Python虚拟环境，env_name指新建虚拟环境名，Python=3.6是指版本，查看本机Python版本可以在电脑自带的cmd窗口输入python，就会显示Python版本信息
conda create -n env_name python=3.6**虚拟环境
conda activate env_name我的虚拟环境名时cntkKeraspy35，就如下显示
在虚拟环境中安装包
conda install -n env_name [package]或者
conda install [package]关闭虚拟环境
deactivate env_name删除虚拟环境
conda remove -n env_name –all此时还需要安装一些常用的包
conda install -n env_name numpy scipy h5py jupyter安装cntk
pip install cntk-gpu链接：https://docs.microsoft.com/en-us/cognitive-toolkit/setup-windows-python?tabs=cntkpy26
安装TensorFlow
这是深度学习框架
pip3 install --upgrade tensorflow-gpu安装Keras
conda install keras安装cuDNN和CNMeM
cuDNN是卷积神经网络训练库，CNMeM显存管理分配，可以提高训练速度
conda install CNMeM好了，安装好之后可以输入python进入python环境import测试是否安装成功