分类：
版权声明：本文为博主原创文章，未经博主容许不得转载。markdown
主要步骤：首先安装python和pip，再经过pip安装tensorflow，若是是安装CPU版本的很是简单，若是安装GPU版本的话，还须要再安装CUDA和CuDNN。dom
另外，本身在按照此篇博客安装以前，已经装好了anaconda，应该也是须要的，不太肯定。机器学习
1.安装python与pip，因为我以前的python是python 3.6，然而python是支持python3.5的，一开始在某些无良博客看的教程都没有提到这一点，后来看了官方教程才明白必需要是64位python 3.5（注意不是32位！）。安装python的过程不难，因为如今版本的pip是能够和python一块儿安装的，所以在安装python的时候必定要注意把pip那一项勾选上，（python3.5安装时候，用的是自定义安装，那里自动勾划了pip选项，能够看到）首先在网上找到安装包（我是在CSDN上下载的），下载以后本身选一个路径安装便可，个人路径是D:\python3.5.2，以后python就安装成功了，如图所示，pip就安装在Scripts中。 post
可是只是安装好还不够，由于python和pip是依赖于环境变量来运行的，所谓的环境变量是什么意思呢？个人理解是，你使用python的时候，在命令行里输入python + 要解释的程序的名字，可是系统是不知道你这一句python是什么意思的，一样的，你输入pip命令安装一些包的时候，系统也没办法识别pip是什么，因此就须要提早告诉系统一声，让它在某几个路径里去找，使用过gcc或者g++的朋友对这个必定很熟悉，由于gcc和g++也须要配置环境变量。 学习
2.安装TensorFlow
有两种安装方式，一种是在CPU上安装，另外一种是在GPU上安装，由于个人显卡是NVIDIA的，并且采用GPU会更快一些，所以我采用的是在GPU上安装，须要先安装两个东西：测试
一、CUDA：https://developer.nvidia.com/cuda-downloads
二、CuDNN：https://developer.nvidia.com/cudnnui
首先下载好CUDA安装以后，记得把CUDA的路径放到环境变量里面，安装CuDNN的时候，解压以后发现有include、bin和lib三个文件，把内容放到CUDA对应的文件里面就能够了！
安装好以后，GPU的安装和CPU的安装就基本同样了，在命令行中输入命令便可：
安装CPU版本：
pip install --upgrade https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow-0.12.0rc0-cp35-cp35m-win_amd64.whl
- 1
安装GPU版本：
pip install --upgrade https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-0.12.0rc0-cp35-cp35m-win_amd64.whl
- 1
不过这看似简单的一步浪费了我好多时间，不管我选择在CPU上安装仍是在GPU上安装，都会提示is not a supported wheel on this platform
这个时候咱们若是打开命令行，先输入python打开python，再输入import pip加载pip模块，输入print(pip.pep425tags.get_supported())就会发现，你的pip是不支持3.5版本的，也就是说，pip没有办法识别你的whl格式的文件。这个时候输入一条命令pip install wheel而后再输入以前的命令就会发现已经安装好啦！
接下来我对TensorFlow官方文档的程序进行了测试，首先我测试了一下比较简单的乘法程序，主要是将两个矩阵相乘：
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
结果如图
接下来我又测试了TensorFlow文档开篇提供的程序：
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
可是出现错误:
CUDA version is insufficient for CUDA runtime version
出现了这个以后还出现了一大篇Failed，看来是CUDA的驱动版本不够高致使的，因而我到了NVIDIA的官网上按照个人电脑版本更新了驱动（个人是windows10_64位）。
再运行，结果以下： 这说明咱们的程序成功运行了，TensorFlow安装成功！ 以上是我在安装的时候出现的问题，若是还有其它的状况，欢迎你们在评论区留言！