主要講述如何將深度學習模型應用在LabVIEW環境中，並修改深度學習模型訓練自己的數據集。深度學習模型可以被搭載在以下三個LabVIEW相關環境中運行：
1、在裝有64位的LabVIEW 2018（及以上）的PC機中運行；
2、在裝有32位/64位 LabVIEW 2016（及以上）的PC機中運行；
3、在NI帶有RT和FPGA系列硬體中運行。
首先是準備工作，需要注意以下四個方面：
第一，我講述的是應用tensorflow框架進行深度學習，NI Vision Development Moudel只支持tensorflow框架，Caffe之類的不行。而且我本篇主要講的是tensorflow_gpu的安裝，tensorflow_cpu的安裝很簡單，百度搜一下很容易就完成了，但是CPU版本的無論是訓練還是測試都太慢了，你若電腦裡有英偉達計算能力稍強一點的顯卡就選擇gpu版本吧，速度是CPU的好幾倍。
第二，根據電腦配置選擇安裝tensorflow的版本，我的電腦是CPU i7/顯卡GTX1070ti，所以我選擇了tensorflow_gpu_1.4.0，具體你的顯卡配什麼tensorflow版本或配什麼CUDA，就去百度搜索一下，肯定能搜到你的顯卡。
第三，CUDA和cuDNN版本選擇參照下表下載，我本文以tensorflow_gpu_1.4.0為例，如果想安裝別的版本tensorflow就對應下表下載不同 的CUDA和cuDNN。
第四，最好在安裝之前能重做系統，雖然很麻煩，但是為了安裝順利，如果不方便可以先直接安裝，如果總出問題解決不了再重做系統按照順序重新安裝一遍，注意了，是按照順序，順序搞錯了很容易報錯。
下面具體介紹安裝步驟：
1、安裝LabVIEW 2018（32bit和64bit）
去NI官方網站下載。
2、安裝NI Vision 2018（32bit和64bit）
去NI官方網站下載。
3、安裝vs2015
下載安裝VisualC++ Redistributable for Visual Studio 2015 來獲取MSVCP140.DLL的支持，為了以後使用過程中不出現錯誤，最好直接下載安裝VS2015。
4、安裝CUDA8.0（cuda_8.0.61_win10）
若去官網下載總是下到一半就斷了，所以推薦去別人的百度網盤上下載。新手注意了，最好別改安裝路徑，使用默認路徑，另外若安裝失敗就去百度搜一下解決方法吧，因為每個人安裝出現的錯誤都不一樣，實在不行就重做系統吧。
5、安裝cuDNN6.0（cudnn-8.0-windows10-x64-v6.0）
百度搜索cuDNN，打開第一個：
然後註冊個帳號，一般微信登陸就ok了，接下來：
解壓後覆蓋到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0目錄即可
6、安裝Anaconda3-4.3.0-Windows-x86_64
最好在別人的百度網盤或開源鏡像網站上下載Anaconda，Anaconda4.3.0內置的python是3.6版本的，tensorflow_gpu_1.4.0對應的是3.5版本，但先不管他，下載好了就安裝，一直下一步，能勾選的全都選上，尤其看到PATH字樣的，那是幫你自動添加路徑呢，一定要勾選上。
在菜單欄上搜索cmd，右鍵以管理員身份運行CMD（注意，以後都要用管理員身份運行），檢查Anaconda是否成功安裝，輸入：conda --version，如果輸出：conda x.x.x就說明成功了。
檢測目前安裝了哪些環境，輸入：conda info --envs
目前只有一個環境，等你把後續步驟都做完了，就會有兩個環境了：
7、安裝python
安裝python3.5，輸入：conda create --name tensorflow python=3.5
該語句的意思是，創建一個tensorflow環境，在該環境中安裝python3.5，輸入後系統會自動選擇一個3.5的最新版本進行安裝。
激活tensorflow，輸入：activate tensorflow
前面多出一個小括號裡面是tensorflow，這就代表已經切換到tensorflow環境中去了。
檢查tensorflow環境中的python版本：python --version
可以看到，系統安裝的是python3.5.4版本，其實哪個版本都無所謂，只要是python3.5系列的就行。
8、安裝tensorflow
注意，千萬不要直接用pip install --ignore-installed --upgrade tensorflow-gpu，這種方式下載，這樣會下載到最新版本，而最新版本的tensorflow與咱們之前安裝的CUDA、cuDNN、python版本都不兼容，所以需要咱們自己手動下載一個，具體流程如下：
百度搜索pypi，第一個點進去，搜索tensorflow gpu：
選擇第一個：
選擇歷史版本，找到1.4.0：
點擊Download file，選擇cp35（意思是python3.5）、win_amd64（意思是windows 64位作業系統）
記錄文件下載路徑，然後管理員身份打開cmd，切換到tensorflow環境中（上面已經講了如何切換到tensorflow環境）輸入：
cd 文件下載路徑
pip install tensorflow_gpu-1.4.0-cp35-cp35m-win_amd64.whl，這樣就把tensorflow_gpu 1.4.0安裝在tensorflow環境中了（如果找不到路徑，就把文件直接複製到默認的路徑下面，然後再pip install tensorflow_gpu-1.4.0-cp35-cp35m-win_amd64.whl）。
在tensorflow環境下輸入python：
再輸入import tensorflow as tf：
如果不報錯，就代表安裝成功了。
9.安裝spyder開發環境
打開Anaconda Navigator（開始菜單->Anaconda 3->Anaconda Navigator），在上面的Applications on中選擇tensorflow，將root環境改為tensorflow環境：
然後點擊spyder下面的install，安裝好後會變成Launch，點進去測試一下，輸入：
import tensorflow as tf
hello = tf.constant('hello,NI Vision!')
sess = tf.Session()
print(sess.run(hello))
運行程序，如果沒報錯，那麼就安裝成功了。
10、安裝Opencv
沒有Opencv模塊的支持，很難去訓練自己的數據，從https://www.lfd.uci.edu/~gohlke/pythonlibs/#opencv選擇需要的版本（cp後面是你本機所安裝的python版本，win_amd64就是windows 64位作業系統）。
下載完畢後，記錄下你的下載路徑，還是管理員身份進入cmd，切換到tensorflow環境中，輸入：
cd 下載路徑
pip install 文件名
這樣就把下載下來的opencv模塊安裝到tensorflow環境中去了。
如果你用spyder這個開發環境去做深度學習那你就還得繼續修改點東西，因為spyder的不支持opencv的編譯模塊， 不只是spyder，大多數支持Python的編輯器都存在類似問題。接下來打開C:\Users\Administrator\Anaconda3\envs\tensorflow\Lib\site-packages\spyder\utils\introspection，有的人找不到這個位置，這取決於你安裝anaconda的位置，先找到anaconda的安裝路徑然後順藤摸瓜找到找到module_completion.py這個文件，實在不行就直接在C盤Ctrl+F搜索module_completion.py吧。
用記事本打開module_completion.py，在200多行的mods變量中添加'cv','cv2',保存退出。
刪除同目錄下__pycache__文件夾中的module_completion.cpython-35.pyc文件，目的是為以後重新生成新的文件。
刪除C:\Users\Administrator\.spyder-py3\db中的submodules文件
重啟spyder，輸入以下代碼驗證（驗證前先找一張圖片，並修改代碼中的圖片路徑）：
import tensorflow as tf
import cv2
image = cv2.imread("D:/image.jpg") #我自己找了個後綴.jpg的圖片，命名為image，放在了D盤下，可根據自己的圖像路徑修改。
cv2.namedWindow('image', 0)
cv2.imshow('image', image)
# Create a TensorFlow Variable
x = tf.Variable(image, name='x')
model = tf.global_variables_initializer()
with tf.Session() as session:
x = tf.transpose(x, perm=[1,0 , 2]) #將圖像數據轉置
session.run(model)
result = session.run(x)
cv2.namedWindow('result', 0)
cv2.imshow('result', result)
cv2.waitKey(0)
最終實現效果如下，將原圖片旋轉：
如果不經過上面修改spyder的參數，那麼圖像是無法顯示出來的，你做深度學習的過程中也就無法看見你的圖像了。
到此，深度學習環境的搭建已經完成了，後續繼續更新如何訓練自己的數據集，以及訓練好的深度學習模型如何應用在LabVIEW環境中，但是tensorflow一定要安裝的，你不安裝tensorflow即使能運行別人寫好的範例，你也無法改變識別的內容和準確率，根據此篇內容，你也可以自己去網上找一些網絡模型進行訓練和測試了，我最近工作很忙，無法及時更新，還望諒解。建議自己安裝tensorflow之前要多從網上查一查自己電腦的配置和系統安裝什麼版本的tensorflow比較好，如果想把深度學習模型應用在LabVIEW中，那麼最好安裝tensorflow_gpu 1.4.1以上的版本，因為深度學習模型應用在LabVIEW PC機的環境中運行共有兩種方法，其中一種方法只能調取tensorflow 1.4.1以上版本生成的.pb文件，所以為了能兩種方法全部適用，建議安裝tensorflow 1.4.1以上的版本和LabVIEW最新的版本（如果你想全部三種方法都適用，最好把LabVIEW2018 32位和64位全部安裝）。
我發的全部都是原創文章，看完後點個讚吧！為後續更新提供動力！