注：Macbook pro 13' 沒(méi)有NVIDIA的顯卡灰署，沒(méi)辦法CUDA編程判帮，所以下面都是CPU編程局嘁。
2018.3.7更新：
建議大家直接安裝anaconda，然后通過(guò)anaconda去安裝tensorflow和keras脊另。相關(guān)教程在tensorflow和keras的官網(wǎng)上都有氮趋，直接按步驟來(lái)就好背苦。
1. 安裝homebrew
homebrew是Mac端的一個(gè)軟件包管理系統(tǒng)左冬，通過(guò)它可以很方便地通過(guò)控制臺(tái)命令安裝程序硫朦。打開(kāi)終端秃流，輸入（把下面的直接復(fù)制就行了）：
/usr/bin/ruby -e "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/master/install)"
2. 用homedrew安裝python
用homedrew安裝python只要一行命令走贪，然后等著就好了：
brew install python
3. 安裝pip
最終TensorFlow還是通過(guò)pip來(lái)安裝的球切，所以先安裝pip勾徽。pip的版本是根據(jù)python版本來(lái)的氓癌。
python2.7:
sudo easy_install pip
sudo easy_install --upgrade six
python3:
sudo easy_install pip3
sudo easy_install --upgrade six
4. 引入TensorFlow的正確版本的URL
這里要根據(jù)自己的python版本來(lái)選擇對(duì)應(yīng)的TensorFlow的包谓谦。
需要查看python版本的話，在終端輸入：python贪婉，然后回車(chē)反粥，就會(huì)有了。
Mac OS X, CPU only, Python 2.7:
export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-0.11.0rc0-py2-none-any.whl
Mac OS X, CPU only, Python 3.4 or 3.5:
export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-0.11.0rc0-py3-none-any.whl
5. 用pip安裝引入的TensorFlow
上面一步中把URL引入了疲迂，這一步用pip把該URL下的程序安裝：
python2.7 ／ pip：
sudo pip install --upgrade $TF_BINARY_URL
python3 ／ pip3：
sudo pip3 install --upgrade $TF_BINARY_URL
6. 第一個(gè)TensorFlow小demo
安裝完畢才顿，測(cè)試一下，是不是可以使用啦：
python
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
sess.run(hello)
輸出結(jié)果：Hello, TensorFlow!
a = tf.constant(10)
b = tf.constant(32)
sess.run(a+b)
輸出結(jié)果：42
7. 安裝keras
最后裝上keras：
sudo pip install keras
8. 如何使用keras
先進(jìn)入python模式：
python
然后使用keras尤蒿，模型選擇線性（Sequential）的啥的郑气，自己可以定：
from keras.models import Sequential
model = Sequential()
構(gòu)建網(wǎng)絡(luò)各層，直接add就可以：
from keras.layers import Dense, Activation
model.add(Dense(output_dim=64, input_dim=100))
model.add(Activation("relu"))
model.add(Dense(output_dim=10))
model.add(Activation("softmax"))
構(gòu)建完畢腰池，configure一下：
model.compile(loss='categorical_crossentropy', optimizer='sgd', metrics=['accuracy'])
如果有需要尾组，可以?xún)?yōu)化網(wǎng)絡(luò)，如使用SGD（隨機(jī)梯度下降法）
from keras.optimizers import SGD
model.compile(loss='categorical_crossentropy', optimizer=SGD(lr=0.01, momentum=0.9, nesterov=True))
下面就可以開(kāi)始訓(xùn)練數(shù)據(jù)了示弓，當(dāng)然這些X_train, Y_train需要load進(jìn)來(lái)哦：
model.fit(X_train, Y_train, nb_epoch=5, batch_size=32)
然后測(cè)試數(shù)據(jù)讳侨，檢查準(zhǔn)確率，同樣的X_test, Y_tes自己load進(jìn)來(lái)：
loss_and_metrics = model.evaluate(X_test, Y_test, batch_size=32)
或者給個(gè)數(shù)據(jù)奏属，預(yù)測(cè)下結(jié)果：
classes = model.predict_classes(X_test, batch_size=32)
proba = model.predict_proba(X_test, batch_size=32)
