大家好，又见面了，我是你们的朋友全栈君。
笔者之前在学习TensorFlow，也在自己的笔记本上完成了安装，在PyCharm中进行学习。但是最近为了使用python的科学计算环境，我把之前的环境卸载了，并用Anaconda重新安装了TensorFlow，由于自己的笔记本已经很旧了，显卡不行，所以这里介绍一下cpu版本的安装方法和自己遇到的一些坑，截图甚多。
这里直接上干货：
1.安装Anaconda
选择相应的Anaconda进行安装，进入Anaconda的官网，下载对应系统版本的Anaconda，官网现在的版本是Anaconda 4.3.1 for python3.6。笔者安装的是4.3.0版本的。
就和安装普通的软件一样，全部选择默认即可，注意勾选将python3.6添加进环境变量。
这样Anaconda就安装好了，我们可以通过下面的命令来查看Anaconda已经安装了哪些包。
运行 开始菜单->Anaconda3—>Anaconda Prompt ：
conda list可以看到已经安装了numpy、sympy等常用的包。
2.安装Tensorflow
TensorFlow目前在Windows下只支持Python 3.5版本。
（1）打开Anaconda Prompt，输入清华仓库镜像，这样更新会快一些：
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes（2）同样在Anaconda Prompt中利用Anaconda创建一个python3.5的环境，环境名称为tensorflow ，输入下面命令：
代码语言：javascript复制conda create -n tensorflow python=3.5运行 开始菜单->Anaconda3—>Anaconda Navigator，点击左侧的Environments，可以看到tensorflow的环境已经创建好了。
（3）在Anaconda Prompt中启动tensorflow环境：
代码语言：javascript复制activate tensorflow
注：当不使用tensorflow时，关闭tensorflow环境，命令为：
deactivate
（4）安装cpu版本的TensorFlow
代码语言：javascript复制pip install --upgrade --ignore-installed tensorflow注：这里没有介绍GPU版本的安装方法，GPU版本需要安装cuda8 cudnn5，如需要的请搜索其他博文。
这样tensorflow cpu版本就安装好了。
（5）测试tensorflow 在Anaconda Prompt中启动tensorflow环境，并进入python环境。
测试代码如下:
代码语言：javascript复制import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))运行结果：
3.其他问题
或许到这里我们并没有满足，我们在Anaconda自带的ipython 和Spyder中import tensorflow的时候一直失败，提示 No module named ‘tensorflow’，如下图，那是因为我们没有在tensorflow的环境下打开它们。
为了能在ipython 和Spyder中使用tensorflow，我们需要在tensorflow的环境中安装这两个的插件。
打开Anaconda Navigator，选择Not installed，找到 ipython和Spyder并安装，笔者这里已经安装好，所以在这个页面没有显示。
切换到installed，可以看到两个都已经安装好，其实可以按照自己的需要安装。下图显示已经安装好的Spyder:
安装好插件后，我们需要测试一下。
在Anaconda Prompt中启动tensorflow环境，并运行ipython，import tensorflow发现成功:
同样，在Anaconda Prompt中启动tensorflow环境，并运行Spyder，等一会儿后会启动Spyder IDE，import tensorflow 同样成功:
注意：一定要启动tensorflow 环境下的Spyder才可以import tensorflow，不要去开始菜单运行Spyder，在那里是无法运行的，如：
欢迎登陆官网（附https://tensorflow.google.cn/）了解更多 TensorFlow 内容，也可关注 TensorFlow 官方公众号获取更多资讯。
发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/153046.html原文链接：https://javaforall.cn
