keras和TensorFlow框架安装jupyter

### 配置Jupyter Notebook中的Keras与TensorFlow

为了在Jupyter Notebook中顺利配置和使用Keras以及TensorFlow框架，需遵循一系列特定的操作流程来确保各个组件能够协同工作。

#### 创建Conda虚拟环境
创建一个新的Conda虚拟环境对于隔离不同项目依赖关系至关重要。通过命令`conda create --name tfpy39 python=3.9`可建立名为tfpy39的Python 3.9版本的新环境[^1]。

#### 安装必要的库包
激活上述创建好的虚拟环境之后(`conda activate tfpy39`)，接着安装所需软件包。这包括但不限于CUDA Toolkit、cuDNN用于支持GPU加速计算；而最新版TensorFlow已内嵌Keras模块，则无需单独下载Keras。具体操作如下：

conda install tensorflow cudatoolkit cuDNN jupyter

此过程会自动处理好各部件间的兼容性问题，并完成相应设置以便后续调用。

#### 启动Jupyter Notebook服务
当所有必需项都准备完毕后，在同一终端窗口继续执行`jupyter notebook`指令启动Web应用界面。此时浏览器应能正常访问http://localhost:8888/地址下的Notebook首页。

#### 测试安装成果
进入新建或已有笔记本文件里尝试导入tensorflow验证是否一切正常运作。如果控制台输出类似于“Using TensorFlow backend”的提示信息则表明当前环境已经正确设置了以TensorFlow为后台引擎的工作模式[^2]。

import tensorflow as tf
print(tf.__version__)