学习是一个不断积累的过程。由混沌不解到豁然开朗，整个过程摧残心灵，但结果会使人心上开花。
实验室台式机环境配置出现问题，于是我大刀阔斧开始了重装系统之路。
首先，win10系统有问题，第一步重装win10。
准备工作：rufus-3.5 + win10镜像文件 写U盘
开始安装：重启电脑，Del进入BIOS设置，保存后F11进入启动项，按指示进行，我选择安装了win10企业版。
完成后，根据配置装驱动。
win10的安装比较顺利。
安装的一些基本的软件及。WING IDE6.1参考：
按照步骤next，完成后会提示激活，选择第三项：
输入CN123-12345-12345-12345，点击continue
将红线部分的request code拷贝到如下文件标注部分，运行脚本，填写生成的激活码即可。
#!/usr/bin/env python3LicenseID='CN123-12345-12345-12345'RequestCode='RW62Q-3Q9YE-B7AC8-C57PQ'import hashlibB16 = '0123456789ABCDEF'B30 = '123456789ABCDEFGHJKLMNPQRTVWXY'def B(n,f,t): xx = 0 for d in str(n): xx = xx * len(f) + f.index(d) res = '' while xx > 0: res=t[int(xx%len(t))]+res xx//=len(t) return resdef S(D): r = B(''.join([c for i,c in enumerate(D) if i//2*2==i]),B16,B30) while len(r) < 17: r = '1' + r return rdef A(c): return c[:5]+'-'+c[5:10]+'-'+c[10:15]+'-'+c[15:]h = hashlib.sha1()h.update(RequestCode.encode('utf-8')+LicenseID.encode('utf-8'))lichash=A(RequestCode[:3]+S(h.hexdigest().upper()) )data=[23,161,47,9]tmp=0realcode=''for i in data: for j in lichash: tmp=(tmp*i+ord(j))&0xFFFFF realcode+=format(tmp,'=05X') tmp=0D=B(realcode,B16,B30)while len(D) < 17: D = '1' + Dprint("The Activation Code is: "+A('AXX'+D)) 接下来，配置学习环境。
Anaconda选择了Anaconda3-4.1.0版本，下载后按指示进行，结束后，按自己的安装路径配置环境变量
Tensorflow 根据指示走 pip install tensflow-gpu==版本号
测试：在python环境下，import tensorflow as tf
tf.__version__
至此，windows暂时完工。
Linux
系统安装结束，配置环境
安装过程：1.检查电脑是否有一个可以支持CUDA的GPU
在终端输入命令：$lspci | grep -i nvidia，会显示版本（GeForce GTX 1060 6GB）
Anaconda我选择了Anaconda3-4.1..0-Linux-x86_64.sh 版本，参考进行安装。
cuda安装，选择了（或者）这个过程出现好多问题，参考许多博客ctrl+alt+f1进入tty安装，可能由于本人电脑设置或者配置问题，每次都卡死在sh: 0: can't open cuda_8.0.16_375.26_linux-x86.run
后来，更换安装方式。在官网下载按版本需求下载deb[local]文件，按说明进行。
安装结束，提示驱动版本不行，于是根据提示安装了version-390，最终解决了问题。
cudnn安装了V5.1，可根据需要在下载
Anaconda选择了Anaconda3-4.1.0-Linux-x86_64.sh，下载好后，sudo sh 文件名，根据提示走就可以。
Tensorflow开始安装1.4.0版本，but.....测试时来了一堆问题：
(1) libcudart.so.8.0: cannot open shared object file: No such file or directory，并参考
（2）libcudnn.so.6: cannot open shared object file: No such file or direcory,并查阅及寻求解决办法。
但是，一些问题并没有解决。应该是cuda, cudnn与tensorflow版本冲突了，于是本着“偷懒”的心态安装了1.0.1版本，pip install tensorflow-gpu==1.0.1，一些后续小问题，按提示进行。
测试，终于成功。happy，这两天总算没白费。成功这一刻，委屈一扫而光，在实验室哼起小曲。。。