本文首发在CSDN博客:https://cloud.tencent.com/developer/article/1122014
前几天，谷歌推出了windows对tensorflow的支持，我参考下面两篇博文来安装了我的tensorflow。
为表示对原作者的尊敬，先列出参考的文章。
- 参考文献
https://m.aliyun.com/yunqi/articles/68435 http://blog.csdn.net/zhuxiaoyang2000/article/details/54317206
注意：若是你的电脑支持GPU，从第一步开始安装。怎么知道是否支持GPU，在这里http://blog.csdn.net/JiaJunLee/article/details/52067962 查询，若是计算能力大于或等于3，则可以用GPU。否则直接跳到第四步
第一步：安装CUDNN
这里选择的是cuda_8.0.44_win10，链接 为：https://developer.nvidia.com/cuda-downloads
网站截图：
1.18G，下载完后，直接安装，改为自定义方式，不用修改安装目录，就安装在C盘下，方便后面的文件操作。 或去我的百度云网盘下载：链接：http://pan.baidu.com/s/1c2KdNgO 密码：gwm1
第二步：编译cuda
- 说明 电脑必须安装Microsoft Visual Studio，10、12、13、15，这4个版本任意一个都可以。
安装完成后，打开Sample路径：C:ProgramDataNVIDIA CorporationCUDA Samplesv8.0，选择与本机Visual Studio相对应的Solution版本，这里选择的是Sample_vs2015.sln。然后分别编译Release和Debug版本。
然后漫长的等待，对Release编译一次，然后切换到Debug下，编译一次。图中发现我的编译在某些库上报错了，其原因我也不知道，但是对后面的运行暂时没发现错误。
编译完成后，Win R打开命令行窗口，cd C:ProgramDataNVIDIA CorporationCUDA Samplesv8.0binwin64Release，运行deviceQuery，如果显示如下画面，则安装成功。
说明下如何检查自己电脑时候支持GPU的情况：
调试—开始执行（不调试），会有弹窗，文字中有说明。
刚好为3.0，满足GPU计算的最低要求，热泪盈眶啊，这可是我们实验室最好电脑啊！
关于GPU计算能力系列，可查博客http://blog.csdn.net/JiaJunLee/article/details/52067962，感谢这为博主的分享！么么哒！
第三步：安装cuDNN
这里我不知道为什么要安装，在参考文章中有说要安装，那就根据别人成功的例子来，少踩坑。
版本号：cudnn-8.0-windows-x64-v5.1，这里可以直接用的，百度云链接：链接：http://pan.baidu.com/s/1gf9ior5 密码：so8m
我是将cudnn中的文件直接放在目录 C:ProgramDataNVIDIA GPU Computing Toolkitv8.0
第四步：安装python
这里采用的是anaconda 4.2 python 3.5，下载网址：https://www.continuum.io/downloads
或者去我的百度云下载：链接：http://pan.baidu.com/s/1nuQqMPr 密码：gl4h
第五步：安装tensorflow
完全根据文章中的流程来做，链接https://m.aliyun.com/yunqi/articles/68435
下载完后安装好，然后打开cmd，切换到anaconda4的scripts下：cd E:Anaconda3Scripts，用conda create —name tensorflow python=3.5 创建环境，可在env下查看参加的tensorflow环境
上面图也许会报错：
或报错：
我是反复的尝试，执行conda create –name tensorflow python=3.5 ，也许是网络不稳定。强烈建议挂*V*** 或去‘C:Users用户名’下打开’.condarc’,删掉pypi的那个源，剩下的为：
代码语言：javascript复制channels:
- r
- http://repo.continuum.io/pkgs/pro/win-64/
- http://repo.continuum.io/pkgs/r/win-64/
- http://repo.continuum.io/pkgs/free/win-64/
- https://repo.continuum.io/pkgs/pro/win-64/
- defaults
auto_update_conda: false依次执行下面的代码：
代码语言：javascript复制activate tensorflow
conda install jupyter
conda install scipy
pip install tensorflow注意：每次提示都选择“y”或“是”，下载时最好能连上V**，这样能保证下载稳定少出错。
下面依次贴图说明：
- 先激活tensorflow：
activate tensorflow- 安装juypter 再继续输入：
conda install jupyter图
- 安装常用的python包，例如scipy
- 安装tensorflow
或直接下载到本地来安装，去https://pypi.python.org/pypi 搜索对应的版本：
- tensorflow 非gpu: python 2.7 和 3.5
- tensorflow-gpu: python 3.5
本地安装
在juypter下测试: 打开juypter下测试MNIST 数据集
测试代码：
代码语言：javascript复制import tensorflow as tf
x = tf.placeholder(tf.float32, [None, 784])
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)
W = tf.Variable(tf.zeros([784, 10]))
b = tf.Variable(tf.zeros([10]))
y = tf.nn.softmax(tf.matmul(x, W) b)
y_ = tf.placeholder(tf.float32, [None, 10])
cross_entropy = tf.reduce_mean(-tf.reduce_sum(y_ * tf.log(y), reduction_indices=[1]))
train_step = tf.train.GradientDescentOptimizer(0.5).minimize(cross_entropy)
init = tf.global_variables_initializer()
sess = tf.Session()
sess.run(init)
for i in range(1000):
batch_xs, batch_ys = mnist.train.next_batch(100)
sess.run(train_step, feed_dict={x: batch_xs, y_: batch_ys})
correct_prediction = tf.equal(tf.argmax(y,1), tf.argmax(y_,1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
print(sess.run(accuracy, feed_dict={x: mnist.test.images, y_: mnist.test.labels}))#结果测试代码截图如下：
与官网https://www.tensorflow.org/versions/r0.12/tutorials/mnist/beginners/index.html结果比较：
一些可能的错误
欢迎补充 仅列下我遇到的问题
- 安装过程中报错了，再次pip install tensorflow 却显示已经存在，可以用 pip uninstall tensorflow 卸载，重新pip install tensorflow 来安装。
- 在anaconda2下安装遇到qtvc-14的问题 报错内容： Linking packages … PaddingError: Placeholder of length ‘30’ too short in package qt-5.6.2-vc14_0.% The package must be rebuilt with conda-build > 2.0.
方案： 1、换到anaconda3下就没有了，tensorflow不支持python2.7 2、conda update conda,然后conda update –all 下
第2个方案更靠谱些
- 若是电脑的系统升级了，例如从win8.1到Win10，很有可能破坏tensorflow 所依赖的cuda环境，这个时候你需要卸载cuda，下载合适的cuda从头再来，把上面的流程再走一次。对，说的就是我，系统升级了，bug来了。
