創建環境

#創建環境
conda create -n PYTHON_NAME pip python=3.5

#複製環境
conda create --name [NEW] --clone [OLD_NAME]

#進入環境
activate PYTHON_NAME

# 導出環境中所使用的所有套件
pip freeze > requirements.txt

# 導入特定清單中的所有套件
pip install -r requirements.txt

#更新pip
python -m pip install --upgrade pip

#安裝 tensorflow-gpu
conda install -c anaconda tensorflow-gpu

#移除虛擬環境中的套件(以myenv環境中numpy為例)
conda remove --name myenv numpy

#移除整個虛擬環境(以myenv為例)
conda env remove --name myenv

#查看有哪些虛擬環境
conda env list

#查看環境所安裝的套件
conda list

#查看tensorflow為CPU 
(python)
from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())

#安裝 keras
conda install keras

#查看GPU驅動與CUDA版本
  (nvidia-smi所在的位置为： C:\Program Files\NVIDIA Corporation\NVSMI ) <= 可加入還進變數Path
  nvidia-smi  #查看驅動版本
  nvidia-smi.exe -l 1 #查看驅動版本(一秒钟更新一次信息)
  
  nvcc -V #查看CUDA版本
  
  #安裝下載好的套件
  python setup.py install