keras:
易扩展，基于python.
易于学习和使用。
前端。tf.keras 作为Keras API 与TensorFlow工作无缝集成。
餐饮推荐。深度学习研究人员的最爱。
Keras部署。
部署简洁。方便载入不同的后端。
keras 训练。强大的多GPU和分布式训练。
环境： python3.6
环境： Anaconda
下载地址： https://mirrors.tuna.tsinghua.edu.cn/anacoda/archiv
安装中：提示是否添加环境变量。
linux: bash Anacondaxxxx.sh
Anaconda的使用：
conda update * 升级
conda -version 检查
conda remove 卸载
conda list 查询
conda install * 安装
切换源：
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --set show_channel_urls yes # 设置搜索时显示通道地址
创建虚拟环境：
conda create -n kr python=3.6
进入虚拟环境：
conda activate kr
keras cpu 版本的安装：
nvda 显卡版本大于3， 算力大于3.5.可以安装gpu版本。否安装cpu版本。
安装：2.1 版本 gpu 和cpu 合在一起。 豆瓣源快于 清华源
pip install tensorflow==2.0 -i https://pypi.doubanio.com/simple
pip install keras -i https://pypi.doubanio.com/simple
后端：
keras 是一个前端。需要后端处理张量乘机和卷积低级操作。
GPU版本安装：安装大量的源
conda install tensorflow-gpu==2.0.0
pip install keras -i https://pypi.doubanio.com/simple
问题：
（1）conda 切换python？
（2）conda 显示更新源？
（3）python3.8 使用keras？
（4）查看gpu算力？
nvidia-msi 查看显卡信息
（5）jupyter notebook 使用虚拟环境。
在虚拟环境：conda install nb_conda