在Anaconda里面配置tensorflow（CPU版本）

• 基本准备：windows10系统。安装了Anaconda，在Anaconda中配有python3。

• 重点参考博客：windows上安装tensorflow

• 参考博客：anaconda下虚拟环境的创建，激活，删除和另一篇安装参考

第一步，在Anaconda Prompt中创建新环境

这个Anaconda Prompt是安装Anaconda后自带的，在windows搜索框搜一下就可以找到

#更改镜像
#两行命令，第二行中yes也是命令的一部分直接复制
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes
#这里的tensorflow是新环境的名字，也可以自己定
conda create -n tensorflow python=3.5

执行这一句之后，出现选择y/n直接选y就好。最后出现这个代表新环境tensorflow就创建好了。

也可以通过命令来查看，当前的所有的环境有没有新建的这个环境名。

conda info -e

第二步，激活新环境tensorflow

activate tensorflow

前面的括号里面的标识为tensorflow表示已经激活了这个环境

第三步，安装tensorflow的cpu版本

• 这里参考本文最开始给的那个博客，用这一句会报错

#不要用这一句来安装
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple/https://mirrors.tuna.tsinghua.edu.cn/tensorflow/windows/cpu/tensorflow-1.1.0-cp35-cp35m-win_amd64.whl

报错为：(大概意思就是install后面没有给出要安装的东西，但是这里install后面给的内容不是有吗？？？其实是网站搬迁了，通过这个链接没办法用命令直接安装)

• 替代做法：可以去到清华的镜像网站找到那个.whl文件，下载下来手动安装，网站链接为
  
  下载到本地后用命令安装(在tensorflow环境下)

#这里是正确的安装命令
#install后面是上面下载的.whl文件的位置
pip install C:\Users\lenovo\Desktop\tensorflow-1.1.0-cp35-cp35m-win_amd64.whl

出现以下结果应该就是安装完成了，可以按照黄色字中的命令更新pip的版本，也可以以后再说。

第四步，测试tensorflow能否正常运行

在tensorflow环境下打开Python，依次输入以下代码，如果结果为22就OK了。

　import tensorflow as tf
　sess = tf.Session()
　a = tf.constant(10)
　b= tf.constant(12)
　sess.run(a+b)

最后，关于测试的补充说明

其实我在最后一步测试tensorflow的时候按照代码块中的五条命令，依次运行后确实会出现22的结果，这其实是没问题的，但是中间也出现了两次警告信息（出现一大片让人很不舒服），于是，进行了进一步的调整。

• (1)在import tensorflow as tf这一句的时候出现了图中的报错信息，参考网上的解决方案TensorFlow报错FutureWarning: Passing (type, 1) or ‘1type’ as a synonym of type is deprecated…的解决方案亲测有效。
  
  解决方式：降低numpy的版本
  在tensorflow环境激活条件下运行以下命令

pip install numpy==1.16.0

• (2)在运行sess = tf.Session()这一句的时候，如下图报错，参考网上的解决方案The TensorFlow library wasn’t compiled to use SSE instructions, but these are available的解决方法亲测有效
  
  解决方案：在import tensorflow as tf之前先运行两行代码

import os
os.environ['TF_CPP_MIN_LOG_LEVEL']='2'
import tensorflow as tf

如何在jupyter notebook中使用tensorflow

打开Anaconda Navigator ，将环境切换为tensorflow，启动jupyter notebook，然后就像base环境那种正常运行代码都可以。