TensorFlow 是由 Google 發行的機器學習平台
我會搭配 Keras 模組進行以後的練習

故此篇介紹其環境的安裝方法
將利用 Anaconda 幫助我們安裝全部東西
(Tensorflow, Keras, Theano, Spyder)

下載並安裝 Anaconda

請至官方網站下載 Python 3.6 version
下一步到底，唯一注意下圖兩個都要打勾



安裝好後可以看到開始目錄出現這些東西

安裝 Keras 和 Tensorflow

開啟 Anaconda Prompt 輸入以下指令，安裝 Keras 輸入以下指令，安裝 Tensorflow 基本上到這邊就能開始訓練模型了
將python程式碼寫在Spyder編譯平台中

若要用 GPU 加速，並不是使用以下指令就可以！

以下介紹安裝 GPU 環境的教學

我是使用 GTX 1050 的顯示卡，CPU是 i7-7700 HQ
若 train 2萬個1秒的音檔，6層CNN+2層DNN
CPU疊代第一次是25分鐘，使用GPU只要1分多鐘....
整體下來差距蠻大的

坊間有很多種作法和指令，都會因為版本或步驟錯誤出現問題

搞了很久，最後照著官方作法才成功，步驟如下：

1. 安裝 NVIDIA drivers
2. 下載 cuDNN，並加到路徑
3. 安裝 CUDA，會自動加到路徑
4. 使用 Anaconda 安裝 tensorflow-gpu
5. 測試是否成功

1. 安裝 NVIDIA drivers

網站：NVIDIA Driver Downloads
請到他們的網站選擇自己的版本，下載後安裝

2. 下載 cuDNN，並加到路徑

網站：NVIDIA cuDNN
請到他們的網站，中間有個 Download，接著要加入會員登入
填寫完基本需求調查後，點選 Process to download
打勾 I Agree ...
務必選擇此版本 Download cuDNN v6.0 (April 27, 2017), for CUDA 8.0
並且挑選作業系統 cuDNN v6.0 Library for Windows 10
下載好後會是一個資料夾中包含三個子資料夾 bin/include/lib
將 bin 的路徑加到系統環境變數(path)中

3. 安裝 CUDA，會自動加到路徑

網站：CUDA GPUs
要先確定自己的GPU符不符合資格，點選上述網站後
點開 CUDA-Enabled GeForce Products
找到自己的 GPU 名稱，務必大於3.0
這個數值代表他們具備的功能，而非效率
1080跟1050都是6.1，但運算速度還是有差

網站：CUDA Toolkit 8.0 - Feb 2017
確定好後，到上述網站下載 CUDA 8.0
選擇好環境後，Installer Type 使用 local
檔案蠻大的，下載好後安裝即可
過程中若出現，未偵測到對應的GPU，別理它繼續安裝
因為像筆電就有內險(GPU 0)跟外顯(GPU 1)
你的外顯符合資格，但它只會比對內險
安裝好後，確認有將
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\libnvvp
加到環境變數，通常會自動加入，若無再手動加入即可

4. 使用 Anaconda 安裝 tensorflow-gpu

開啟 Anaconda Prompt 依序輸入以下指令，安裝 tensorflow-gpu
這時候才可以使用這條指令
（直接使用，會安裝不能互相對應的版本，才需要以上步驟先安裝）

接著進行更新的動作
這時候前面會多一個(tensorflow)，再輸入

5. 測試是否成功

開啟 Anaconda Prompt 依序輸入以下指令

什麼事都沒發生，就是安裝成功了！
出現錯誤就要上網爬文.....

開始訓練我的模型，有在執行 GPU1 時
可以看到工作管理員的%數
訓練的速度....差太多了XDD

BTW 使用Spyder當編譯器，不需要做任何設定
它會自動幫你切換到GPU模式