大家好，又见面了，我是你们的朋友全栈君。
2019.4.14更新
下面的内容挺老了，建议批判性阅读，各种版本一直在变化， 最好的教程，果然还是tensorflow和pytorch的英文原网。Windows下面办公还行，不是很适合开发，也就跑跑小代码。我现在一般在windows上使用SSH连接远程linux的服务器，直接使用远程配置的解释器环境(pycharm有相应SSH功能，配置一下就好)，这样可以方便的开着音乐，边看资料边coding，找机会看直播摸鱼。
原文
最近开始学习深度学习的相关知识，准备实战一下，看了一些关于tensorflow安装的博客，绕了一些弯，因此来填一下坑(多余安装的或者非windows)，主要围绕使用pycharm时需要用到tensorflow的安装过程。
环境：windows10专业版。只是想简单跑一下tensorflow的话，安装过程真的很简单。
如果你有“安装IDE并关联编译器”的经验，不想看复杂的安装说明，可以尝试看这个目录凭自己的理解装完，有问题细看。
1.安装python，建议3.5以上版本
2.安装pycharm，在pycham中关联python解释器，即给出Python.exe所在的路径。
3.Pycharm中File->settings->Project xxx:->Project interpreter，右侧列表任意双击一项就可以打开“Available Package(可安装的包的列表)”，找到你要的tensorflow版本点击install Package。gpu版需要显卡支持CUDA，并安装CUDA和cuDNN。
前言
首先，对于windows下安装tensorflow，有的博客上来就叫装Anaconda、装CUDA(详细自行搜索)，我觉得并不是很好。关于Anaconda，本质是个整合好的包，五六百M的样子，里面有python和一些科学包，里面没有tensorflow。学长给我了包但我并没用，实际上里面好多包我用不到，我觉得用到什么下什么就行了，因为pip很方便，尤其是配上pycharm以后，其实并不需要像别的教程那样使用pip指令去获得包。 Anaconda真香，一键配置，但是裸装不用进虚拟环境也还不错。
1.安装python(如果你已经装有python，可以跳过这步)
指的是python的解释器(interpreter)和一些套件，有点类似于学C的时候的编译器的感觉，找到资源运行一下exe基本就装好了。关于版本，tensorflow1.2以后的版本需要3.5以后的版本。关于2.x与3.x的区别有哦兴趣可以参考
http://www.runoob.com/python/python-2x-3x.html
2.选择一个IDE
好的IDE可以提高效率，我使用的pycharm，这个看个人喜好。Anaconda有自带spider。
pycharm资源和安装教程很多，这里略过。
例如：https://blog.csdn.net/yctjin/article/details/70307933?locationNum=11&fps=1
IDE安装的时候会询问是否关联解释器，如果不小心点过去了，也可以打开File->Project:xxx->Project interpreter来关联解释器的路径，这个过程和使用codeblocks关联编译器差不多。至此基本的python已经可以用了。
图1 Project interpreter
另：File->settings->Color Scheme可以选择主题。
3.安装tensorflow
一些教程比较推荐的方法是使用pip，这个很方便。在python目录下的Scripts文件夹里有pip.exe和pip3.exe。通过在命令行输入一些指令就可以完成安装了。详细：https://blog.csdn.net/u010099080/article/details/53418159
但我cmd真的用的不太好，pycharm安装其实更加方便(本质还是pip，只不过不需要自己输指令)
方法来源：https://jingyan.baidu.com/article/335530dafdbb3619cb41c3a8.html
方法：在如图1的界面中，任意双击一个packge，例如pip。接着你就能看到可安装的包的列表了，找到你需要的package后点install package就好了，就这么简单。右边栏是包的介绍，下方可以选择特定的版本（用Python3.6下不到1.2之前的版本）。列表里蓝色的是已经装好的。
装好以后你的列表里就有了，如上图1所示。就算只装了tensorflow也会带着一堆配套的东西，比如numpy，tensorboard；完全不用担心。另外需要pandas之类的话，安装同样的方法安装即可。
如果你需要用GPU跑tensorflow，则应确保你的显卡支持CUDA，且应该安装CUDA和cuDNN，并选择tensorflow-gpu
详细见：https://blog.csdn.net/u010099080/article/details/53418159
不同版本的tensorflow支持特定版本的CUDA，CUDA、cudnn应当与tensorflow配套
好多教程没有强调，发布的也比较早，容易有坑。
tensorflow1.6开始支持CUDA9.0，cuDNN也需要配套的，找cuDNN x.x.x for CUDA9.0这样的。
tensorflow1.6或1.7用CUDA9.1是不行的，该用9.0，我就被坑了。不过好在有解决的方法，非常感谢下面这篇：
https://blog.csdn.net/qq_36556893/article/details/79433298
于是我写了一篇详细的关于使用CUDA9.1的tensorflow的教程：
https://blog.csdn.net/heros_never_die/article/details/79871564
更新：tensorflow的包是比较大的，安装起来比普通的小包要慢很多，请保证程序正常运行且网络通畅的条件下耐心等待。如果使用命令行与pip安装的话，是可以明确看到安装进度的，对于安装过程非常有疑问的可以用这种方法。
后记
试出的迷一般其他的坑。
如果装了tensorflow，手贱再安装tensorflow-gpu，默认会运行tensorflow-gpu。同学那机子不支持CUDA，就开始报错。而上面的安装方法的那个列表不支持删除。可以打开cmd，输入pip list，这样可以看到所有已经安装的包。pip uninstall tensorflow和pip uninstall tensorflow-gpu就可以删除这两个包。然后重新安装tensorflow。
如果你的电脑是window系统且安装了两个python解释器，比如3.6和2.7，那么上面点install package的时候会出错，而且直接在cmd里使用pip指令也出问题，找不到资源。我老老实实的卸了2.7.
更新：在linux服务器上同时安装了python3.6和python2.7，可以互不影响的运行。主要原因在于相关程序的路径指定。那么这样推测，在windows上适当的修改环境变量，可以使得不同版本的python正常工作。
关于：“Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2”的警告是说你的CPU支持AVX2指令集，可以运行的更快，但是这个版本的tensorflow不支持，无视掉就好，或者安装教程加入屏蔽警告的语句(每次都加多麻烦，反正这个也没影响，我真的想快就用gpu版或者服务器了)。
更新：mind/wheels在github上有发布支持AVX指令集的tensorflow，详见该篇末尾：
https://blog.csdn.net/heros_never_die/article/details/79871564
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/150099.html原文链接：https://javaforall.net
