写在前面：

1.本文使用的源代码地址为：click here

 2.源代码测试运行环境（斜杠后为本文使用的测试环境）：

Python 3.5.2/3.5.6；Keras 2.1.5 / 自动适配；tensorflow 1.6.0/1.12.0 

环境搭建 

1.下载对应的Anaconda并安装（注：Anaconda版本对于代码测试没有特殊关联，但强烈建议使用Anaconda）清华镜像源

2. 使用Anaconda建立虚拟环境（也可使用command）

2.1 打开anaconda，选中左侧‘environment’，‘creat’，新建一个python版本3.5的虚拟环境（例：ttff），选择对应的Python版本

2.2 在Anaconda打开Terminal

2.3 在脚本中添加清华镜像源，解决国外源下载速度慢/失败的问题

  l  conda config --add channels   https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/


  2  conda config --add channels   https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge

注：添加完所有所需的源后确认：

  conda config --set show_channel_urls yes

  #输入以下脚本查看是否添加成功：
  conda info
  #可使用以下脚本恢复默认源：
  conda config --remove-key channels

3. 配置tensorflow以及Keras环境（以GPU版本为例）

3.1 配置tensorflow

使用脚本自动适配安装适合当前python版本（或指定版本）的tf，注：源代码使用 tf 1.6.0 ,可能会出现不能很好向下兼容的情况

  conda install tensorflow-gpu # or conda install tensorflow-gpu==1.12.0
  Proceed ([y]/n)? y

3.2 配置 Keras 环境

Keras 使用 tf 进行加速，因此需配置适配 tf 版本的 Keras => CSDN博文

本文安装 2.2.0 版本

  pip install keras==2.2.0

可使用以下脚本检查是否配置成功

  import tensorflow
  import keras

4. 其他相关库文件配置安装

可在运行代码过程之中不断配置相关库文件，推荐使用清华镜像源安装相关库

  #opencv  
  pip install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-python

或者在Anaconda 界面中安装