第2章 TensorFlow环境搭建 - B
2.2 Windows安装TensorFlow
在学习TensorFlow或者其他框架，我们关注的是框架本身，当然对于初学者，使用Windows也是一个不错的选择，有很多朋友不熟悉Linux操作系统，初学TensorFlow还是使用Windows吧，废话就不说了，我们开始安装环境吧。
配置环境和软件版本：
系统环境：Windows10 或者Windows7
TensorFlow版本：1.8
Python版本：3.6
CUDA版本：9.1
cuDNN版本： v7.0.5
Anaconda版本：3-5.1.0
2.2.1 Anaconda搭建Python环境
Anaconda（https://www.anaconda.com/download/#windows）是一个集成了Python的工具包，还包含了Python的一些常用库，如numpy等，所有版本下载地址（https://repo.continuum.io/archive/），外网下载速度很慢，可以到清华大学镜像下载，需要注意的是，配置TensorFlow需要Anaconda3-5.1.0，该版本的Anaconda安装的才是Python3.6，而到目前为止TensorFlow在Windows下只能用Python3.6版本。
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。安装完成后在开始菜单会出现一个Anaconda3的文件夹。
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。
2.2.2 CPU版TensorFlow
TensorFlow有两个版本大家肯定都知道，但是按照官网的建议，安装GPU版之前最好装一遍CPU版的，在这里直接在cmd中利用Anaconda来安装，注意cmd一定要用管理员权限打开。
（1）在Anaconda Prompt中利用Anaconda创建一个环境名称为tensorflow ，输入下面命令，用来新建一个conda环境。
conda create -n tensorflow
在安装路径下可以看到有TensorFlow目录。
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。
（2）在Anaconda Prompt中启动tensorflow环境：
activate tensorflow
**之后，cmd命令行的前面会有一个写着tensorflow的括号。
注：当不使用tensorflow时，关闭tensorflow环境，命令为：deactivate
（3）安装cpu版本的TensorFlow
在安装之前先更新一下环境：
python –m pip install --upgrade pip
执行一下命令进行安装TensorFlow。
pip install --upgrade --ignore-installed tensorflow
这样tensorflow cpu版本就安装好了。
（4）测试tensorflow
在Anaconda Prompt中启动tensorflow环境，并进入python环境。使用管理员权限打开cmd，键入activate tensorflow，继续键入python，以执行python语句，依次键入下列代码：
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))
返回helloword表示安装成功。
【注】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。当然，在此之前安装好TensorFlow，不然也是不能运行的。
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。
2.2.3 GPU环境搭建
1.确定显卡是否支持CUDA
CUDA是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。CUDA环境搭建需要依赖电脑的GPU，我们需要先查看GPU版本。
【计算机】->【控制面板】->【系统和安全】->【系统】->【设备管理器】可以查看显卡型号。
我电脑的GPU型号为GTX 1050Ti，其计 算能力为6.1GPU的计算能力可以在NVIDIA官网（https://developer.nvidia.com/cuda-gpus）查看。
2.查看CUDA版本支持
在安装CUDA前。先查看硬件可支持的版本，单击【右键】->【NVIDIA控制面板】可以进入NVIDIA控制面板。
单击【帮助】->【系统信息】，进入系统系统后，单击【组件】，即可查看版本。
【注1】可通过NVIDIA控制面板首页的版本号388.75查看CUDA支持的版本。
（表来源：https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html）
根据配置参数，笔者可以选择CUDA9.2以下的版本，笔者选择安装CUDA9.1。
【注2】选择硬件不能支持的版本也许可以安装，但是有的功能是不能实现的，切记！
在NVIDIA官网（https://developer.nvidia.com/cuda-toolkit-archive）下载与系统对应的CUDA9.1安装包并安装：。
3.安装CUDA9.1
CUDA安装包下载后接下来就是安装了。和普通的安装软件一样，笔者就不一一赘述了。
4.配置cuDNN v7.0.5
cuDNN是用于深层神经网络的GPU加速的原始库。 在官网下载（https://developer.nvidia.com/rdp/cudnn-archive）与CUDA版本和操作系统对应的cuDNN，将其解压后放在CUDA9.1的安装路径下。
其实解压出来的三个文件夹在CUDA的安装路径中是存在的，这三个文件夹里放的其实是使用cuDNN所需呀的文件。
【注】整个过程是不需要配置环境变量的，因为在安装CUDA的时候环境变量已经配置好了，配置cuDNN也只是把cuDNN需要的文件放到自动定义好的路径里面。