部署Python数据开发环境（Anaconda + theano

开发环境

Anaconda + theano / Tensorflow / Keras / scikit-learn

Anaconda 安装

Anaconda 实际上是一个python开发环境的集成包，安装好后就已经等于安装好了python + Spyder + Jupyter Notebook 等等基本工具了，至于Spyder 和 Jupyter Notebook等是何物以及有何用就不细说了。
Anaconda 下载连接：https://www.anaconda.com/download/
NOTE:

1. 由于目前Tensorflow、Keras等DL库只支持64bit版本，所以在选择Anaconda发行版本时一定要选择64bit的
2. 在Anaconda的安装过程中，记得选择
   Install for： All Users(requires admin privileges),
   否则在安装完后无法在开始菜单中找到安装好的Anaconda的所有工具

安装Keras/Tensorflow/theano 等深度学习库及scikit-learn机器学习库

安装完成后，配置path变量——
右键我的电脑->属性->高级选项->环境变量->系统变量->path->在path中添加路径：需要添加的有三个，以我的Anaconda安装目录为例，分别为：
E:\ProgramFiles_for_Major\Anaconda3;
E:\ProgramFiles_for_Major\Anaconda3\Scripts;
E:\ProgramFiles_for_Major\Anaconda3\Library\bin;

在安装好的Anaconda 套件中打开 Anaconda Prompt，直接进入到command模式。

更新conda
conda update conda
conda update --all
将pip升级到最新版：
python -m pip install -U pip

-- CREATE ENVIRONMENT/WORKSPACE FOR PYTHON 3.6:
conda create --name neuralnets python=3.6
activate neuralnets
-- INSTALL EVERYTHING (notice the neuralnets workspace in parenthesis on each line). ACCEPT ANY DEPENDENCIES EACH OF THOSE STEPS WANTS TO INSTALL:
conda install theano
conda install mingw libpython
pip install tensorflow
pip install keras
conda install scikit-learn
注意，上述命令均在激活了neuralnets这个环境下执行，这里比较麻烦的是每次使用都要先激活 neuralmets 这个环境：
activate neuralnets

验证是否安装成功

在Prompt 终端直接进入python环境并import 这些库
python

1. >>>import tensorflow
   若下一行出现>>>，则说明TensorFlow安装成功
2. >>>import keras
   若显示Using TensorFlow backed，则说明安装成功
3. >>>import theano
   如果你看到“>>>”三个箭头，没有别的乱七八糟的东西了，就说明：你！安！装！成！功！啦！
   如果有提示需要添加环境变量的，就需要按照提示在系统环境变量中添加
   MKL_THREADING_LAYER=GNU
   然后重启prompt终端，再次import theano
4. >>>import sklearn
   若下一行出现>>>，则说明scikit-learn安装成功

若一切顺利，恭喜你，环境基本配好了！
在Spyder中使用可以参考下面的链接。

几个重要的参考连接：

• http://www.bubuko.com/infodetail-2485059.html
• https://www.jianshu.com/p/b8a703df5318
• https://stackoverflow.com/questions/34097988/how-do-i-install-keras-and-theano-in-anaconda-python-on-windows
• http://www.cnblogs.com/AriesQt/p/6773811.html
• http://deeplearning.net/software/theano/index.html
• https://conda.io/docs/user-guide/overview.html