分類：
版權聲明：本文爲博主原創文章，未經博主容許不得轉載。markdown
主要步驟：首先安裝python和pip，再經過pip安裝tensorflow，若是是安裝CPU版本的很是簡單，若是安裝GPU版本的話，還須要再安裝CUDA和CuDNN。dom
另外，本身在按照此篇博客安裝以前，已經裝好了anaconda，應該也是須要的，不太肯定。機器學習
1.安裝python與pip，因爲我以前的python是python 3.6，然而python是支持python3.5的，一開始在某些無良博客看的教程都沒有提到這一點，後來看了官方教程才明白必需要是64位python 3.5（注意不是32位！）。安裝python的過程不難，因爲如今版本的pip是能夠和python一塊兒安裝的，所以在安裝python的時候必定要注意把pip那一項勾選上，（python3.5安裝時候，用的是自定義安裝，那裏自動勾劃了pip選項，能夠看到）首先在網上找到安裝包（我是在CSDN上下載的），下載以後本身選一個路徑安裝便可，個人路徑是D:\python3.5.2，以後python就安裝成功了，如圖所示，pip就安裝在Scripts中。 post
可是隻是安裝好還不夠，由於python和pip是依賴於環境變量來運行的，所謂的環境變量是什麼意思呢？個人理解是，你使用python的時候，在命令行裏輸入python + 要解釋的程序的名字，可是系統是不知道你這一句python是什麼意思的，一樣的，你輸入pip命令安裝一些包的時候，系統也沒辦法識別pip是什麼，因此就須要提早告訴系統一聲，讓它在某幾個路徑裏去找，使用過gcc或者g++的朋友對這個必定很熟悉，由於gcc和g++也須要配置環境變量。 學習
2.安裝TensorFlow
有兩種安裝方式，一種是在CPU上安裝，另外一種是在GPU上安裝，由於個人顯卡是NVIDIA的，並且採用GPU會更快一些，所以我採用的是在GPU上安裝，須要先安裝兩個東西：測試
一、CUDA：https://developer.nvidia.com/cuda-downloads
二、CuDNN：https://developer.nvidia.com/cudnnui
首先下載好CUDA安裝以後，記得把CUDA的路徑放到環境變量裏面，安裝CuDNN的時候，解壓以後發現有include、bin和lib三個文件，把內容放到CUDA對應的文件裏面就能夠了！
安裝好以後，GPU的安裝和CPU的安裝就基本同樣了，在命令行中輸入命令便可：
安裝CPU版本：
pip install --upgrade https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow-0.12.0rc0-cp35-cp35m-win_amd64.whl
- 1
安裝GPU版本：
pip install --upgrade https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-0.12.0rc0-cp35-cp35m-win_amd64.whl
- 1
不過這看似簡單的一步浪費了我好多時間，不管我選擇在CPU上安裝仍是在GPU上安裝，都會提示is not a supported wheel on this platform
這個時候咱們若是打開命令行，先輸入python打開python，再輸入import pip加載pip模塊，輸入print(pip.pep425tags.get_supported())就會發現，你的pip是不支持3.5版本的，也就是說，pip沒有辦法識別你的whl格式的文件。這個時候輸入一條命令pip install wheel而後再輸入以前的命令就會發現已經安裝好啦！
接下來我對TensorFlow官方文檔的程序進行了測試，首先我測試了一下比較簡單的乘法程序，主要是將兩個矩陣相乘：
import tensorflow as tf
matrix1=tf.constant([[5,6]]) matrix2=tf.constant([[1],[1]]) product=tf.matmul(matrix2,matrix1) sess=tf.Session() result=sess.run(product) print(result)
- 1
結果如圖
接下來我又測試了TensorFlow文檔開篇提供的程序：
import tensorflow as tf
import numpy as np
x_data = np.float32(np.random.rand(2, 100)) y_data = np.dot([0.100, 0.200], x_data) + 0.300 b = tf.Variable(tf.zeros([1])) W = tf.Variable(tf.random_uniform([1, 2], -1.0, 1.0)) y = tf.matmul(W, x_data) + b loss = tf.reduce_mean(tf.square(y - y_data)) optimizer = tf.train.GradientDescentOptimizer(0.5) train = optimizer.minimize(loss) init = tf.global_variables_initializer() sess = tf.Session() sess.run(init) for step in range(0, 201): sess.run(train) if step % 20 == 0: print (step, sess.run(W), sess.run(b))
- 1
可是出現錯誤:
CUDA version is insufficient for CUDA runtime version
出現了這個以後還出現了一大篇Failed，看來是CUDA的驅動版本不夠高致使的，因而我到了NVIDIA的官網上按照個人電腦版本更新了驅動（個人是windows10_64位）。
再運行，結果以下： 這說明咱們的程序成功運行了，TensorFlow安裝成功！ 以上是我在安裝的時候出現的問題，若是還有其它的狀況，歡迎你們在評論區留言！