一、windows安裝keras：
只需3步：1、打開Anaconda prompt，輸入conda install mingw libpython，進行下載；
2、輸入conda install theano回車；
3、輸入conda install keras（或者conda install -c conda-forge keras=2.0.2
）回車；
二、安裝OpenCV：
輸入：conda install -c https://conda.anaconda.org/menpo opencv
三、服務器操作：
1、卸載文件：pip uninstall Keras
2、下載文件：pip install Keras==2.1.6 或者 sudo pip install keras 或者 conda install ***
3、如果出現錯誤：Consider using the `--user` option or check the permissions. 就使用：pip install --user Keras==2.1.6
4、本地服務器中打開notebook：jupyter notebook --ip=192.168.2.183 --port=8888
5、服務器重啓：reboot 或者 shutdown -r now 或者 sudo shutdown -r now
sudo shutdown -h now（關閉服務器）
6、刪除anaconda：rm -rf anaconda
7、查看服務器GPU進程信息：nvidia-smi
查看cpu進程：netstat -ntlp
8、殺死進程（釋放內存）：kill pid（pid代表的是進程編號）
9、查看nvidia驅動版本：
sudo dpkg --list | grep nvidia-*
；顯示的NVRM version: NVIDIA UNIX x86_64 Kernel Module 的版本:
cat /proc/driver/nvidia/version
10、在linux中運行.sh文件：a、給文件添加權限-----
chmod u+x hello.sh
b、在當前文件的目錄下運行----
./hello.sh # 或 sh hello.sh
11、一般來說著名的linux系統基本上分兩大類：
a、RedHat系列：Redhat、Centos、Fedora等
RedHat 系列：
1 常見的安裝包格式 rpm 包，安裝rpm包的命令是 “rpm -參數”
2 包管理工具 yum
3 支持tar包
b、Debian系列：Debian、Ubuntu等
Debian系列
1 常見的安裝包格式 deb 包，安裝deb包的命令是 “dpkg -參數”
2 包管理工具 apt-get
3 支持tar包
所以Ubuntu不該用yum 該用apt-get
12、服務器後臺運行代碼：
nohup command > myout.file 2>&1 &
command指的是自己需要運行的命令或者代碼，myout.file是自己指定的輸出文件名字，這2個都是人爲設定。
13、複製命令cp：複製目錄爲 dir1 ,目標目錄爲dir2。怎樣才能將dir1下所有文件複製到dir2下了
如果dir2目錄不存在，則可以直接使用
cp -r dir1 dir2
如果dir2目錄已存在，則需要使用
cp -r dir1/. dir2
14、實時查看CPU的使用情況：top
查看CPU信息命令：cat /proc/cpuinfo
查看內存信息命令：cat /proc/meminfo
查看硬盤信息命令：fdisk -l
15、查看磁盤剩餘空間信息：df命令是linux系統以磁盤分區爲單位查看文件系統，命令格式：
df -hl
16、查看單個文件夾大小的命令：
du -sh filename（文件名）
四、linux服務器上配置深度學習環境：
1、下載anaconda3：wget https://repo.continuum.io/archive/Anaconda3-5.1.0-Linux-x86_64.sh #64位系統
2、安裝anaconda3：bash Anaconda3-5.1.0-Linux-x86_64.sh
3、創建運行環境：conda create -n tensorflow python=3.5。tensorflow(這是環境的名稱，可以隨意命名)，python=3.5(這是環境裏包含的東西，可以不寫)
4、環境裏下載需用的包：conda install scipy pandas（這是下載scipy、numpy、pandas）；conda install jupyter notebook；conda install tensorflow；
5、安裝gpu版的tensorflow： conda install tensorflow-gpu=1.9.0版本號 或者（conda install --channel https://conda.anaconda.org/jjh_cio_testing tensorflow-gpu）或者使用pip下載，注意：同時使用pip和conda，可能會造成多個tensorflow版本，儘量使用同一個工具。
6、刪除環境：conda env remove -n tensorflow
7、安裝Pytorch+torchvision：conda install pytorch torchvision -c pytorch
8、最新版torchtext：pip install https://github.com/pytorch/text/archive/master.zip
9、包的更新操作：pip install requests --upgrade 或者 conda update requests
更新所有庫：conda update --all
更新 conda 自身：conda update conda
更新 anaconda 自身：conda update anaconda
10、返回前一個python環境：conda deactivate；source deactivate 退出當前環境
11、查看所有環境：conda info --envs
12、在本地的conda裏已經有一個AAA的環境，我想創建一個新環境跟它一模一樣的叫BBB：conda create -n BBB --clone AAA
13、保存和加載環境：使用 conda env export > environment.yaml 將包保存爲 YAML，要通過環境文件創建環境，請使用 conda env create -f environment.yaml
14、複製已有環境：conda create -n tf --clone rcnn 創建tf環境並複製rcnn的環境
15、環境的導入導出（yml文件）：
首先激活進入環境中，然後導出環境到yml文件， 文件名爲 tf.yml
conda env export --file tf.yml
將yml文件複製到B機器中，執行以下命令導入：
conda env create -f d:\tf.yml