WINDOW64位安装Tensorfolw（CPU及GPU版本）

对于安装来说CPU版本和GPU版本在WIN7和WIN10环境下安装没有差别，IDE用Pycham（用各种补丁破解结果启动的时候闪退。。。试用吧。。。）。
1.安装CPU版本
CPU版本的安装相对来说非常简单，只需要注意两点，1是当前Tensorflow是1.12.0版本，不支持最新的Python 3.7.1版本；2.安装顺序最好是Python→Tensorflow→Pycham。这样最后安装Pycham后在的项目解释器下就有Tensorflow，否则先装Python和Pycham，之后用pip的方式装Tensorflow，Pycham中还是要重新装Tensorflow。
1.1官网下载Python 3.6.6安装版（Windows x86-64 executable installer），安装是路径建议不要使用默认路径，可指定为C：Python
1.2安装后查看环境变量中时候有C：Python\python36\Scripts,没有的话添加进来
1.3重启后打开CMD命令行，输入python -m pip install --upgrade pip将pip更新为最新版本。可用pip --version
或pip3 --version查看pip和pip3的版本
1.4使用pip install tensorflow安装Tensorflow，通常可以安装成功
1.5验证Tensorflow是否可用，输入python进入Python环境，输入import tensorflow as tf若无报错则可用。以下为一个Tensorflow的Hello World。

import Tensorflow as tf
hello = tf.constant('Hello Tensorflow!')
sess = tf.Session()
print(sess.run(hello))

1.6Tensorflow中文论坛简介的例子有两个问题，都是python3与python2的区别，一个是python3 中取消了 range 函数，而把 xrange 函数重命名为 range；一个是python3中print更新为一个函数，因此应当用print()，以下为修改后的例子：

import tensorflow as tf
import numpy as np

# 使用 NumPy 生成假数据(phony data), 总共 100 个点.
x_data = np.float32(np.random.rand(2, 100)) # 随机输入
y_data = np.dot([0.100, 0.200], x_data) + 0.300

# 构造一个线性模型
# 
b = tf.Variable(tf.zeros([1]))
W = tf.Variable(tf.random_uniform([1, 2], -1.0, 1.0))
y = tf.matmul(W, x_data) + b

# 最小化方差
loss = tf.reduce_mean(tf.square(y - y_data))
optimizer = tf.train.GradientDescentOptimizer(0.5)
train = optimizer.minimize(loss)

# 初始化变量
init = tf.initialize_all_variables()

# 启动图 (graph)
sess = tf.Session()
sess.run(init)

# 拟合平面
for step in range(0, 201):
    sess.run(train)
    if step % 20 == 0:
        print(step, sess.run(W), sess.run(b))

# 得到最佳拟合结果 W: [[0.100  0.200]], b: [0.300]

2.安装GPU版本
GPU版本需要显卡驱动、CUDA、cudNN、CUPTI、VS2015、Anaconda3（V5.3.1）
2018年12月17日 当前时间下Tensorflow-gpu最新版本为1.12，CUDA为V10.0，cudNN为V7.3.1。实际安装时1.12版本的Tensorflow-gpu并不支持V10.0的CUDA和V7.3.1的cudNN（也可能是此时没有安装CUPTI）。换成V9.0的CUDA和V7.0.5的cudNN，并安装v1.0.7版本的CUPTI后成功。
清华镜像站的Anaconda安装包下载网速比较稳当
CUDA V9.0
cudNN V7.0.5
CUPTI v1.0.7
VS2015 Update3

ed2k://|file|cn_visual_studio_professional_2015_with_update_3_x86_x64_dvd_8923256.iso|7745202176|DD35D3D169D553224BE5FB44E074ED5E|/

2.1安装Anaconda
把之前安装的Python3.6卸载，安装Anaconda3（V5.3.1 Python3.6），安装时官方建议不要添加anaconda的Path路径（尤其是没有卸载其他版本Python时），而是使用anaconda prompt
2.2安装CUDA、cudNN、CUPTI，注意将cudNN、CUPTI的bin、include、lib拷贝到CUDA的对应目录，且环境变量中添加CUDA的bin、lib、lib\x64、libnvvp路径
2.3安装TensorFlow-gpu
打开Anaconda Prompt.添加清华的镜像源（非必要）

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes

打开anaconda navigator，创建一个环境
打开anaconda prompt，输入activate tensorflow_gpu激活环境，之后再当前环境下安装tensorflow，此时可以选择清华的或者官方的源安装tensorflow，清华源的输入conda install tensorflow-gpu由于清华源的版本并不是最新的（V1.11），所以还是用了pip安装pip install tensorflow-gpu等待安装完成后即可验证是否可用（等了很长时间）

另外与cpu版本不同的是，必须启用Session才能真正验证是否可用，仅仅import是不够的。
2.4配置Pycham
打开Pycham，修改新建项目或已有项目的Python路径


找到成功安装Tensorflow对应环境的python.exe
点击OK~~开始放飞自我吧