Win10下用Anaconda安装TensorFlow

之前已经成功下载anaconda并安装TensorFlow，最后成功运行，但由于又想玩Theano，就下载了这个框架，最后不但没下载成功，反而还把TensorFlow搞得不能用了，于是卸载重新安装。本文主要介绍用cpu版本的安装方法和自己遇到的一些坑，并附带截图。

首先先介绍一下卸载的方法，卸载很容易，直接在anaconda的安装目录下进行卸载即可。

卸载后anaconda3的文件夹变为空，就可以重新进行安装了。

安装方法：

1.安装Anaconda

选择与系统相对应的Anaconda版本进行下载与安装. 

官网地址：https://www.anaconda.com/download/

笔者安装的是Anaconda3- 5.1.0 for python 3.6 version 64-Bit的.

下载完后就进行安装，全部选择默认即可，注意勾选将python3.6添加进环境变量。 

安装后通过下面的命令来查看Anaconda3已经安装了哪些包.

 

运行 开始菜单->Anaconda3—>Anaconda Prompt ：

conda list

• 1

可以看到已经安装了numpy、sympy等常用的包。

2.安装Tensorflow

TensorFlow如今在Windows下可以支持Python 3.6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

• 1
• 2
• 运行中可能出现CondaHTTPError问题

• conda httperror http none none for url none Anaconda更新失败

  在conda安装好之后，默认的镜像是官方的，由于官网的镜像在境外,访问太慢或者不能访问，为了能够加快访问的速度，这里选择了清华的的镜像。在命令行中运行(设置清华的镜像)

  conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
  conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
  conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
  conda config --set show_channel_urls yes
  在用户home目录下，找到 .condarc 文件，删掉channels下面的 -defaults一行 即可

（2）同样在Anaconda Prompt中利用Anaconda创建一个python3.6的环境，环境名称为tensorflow ，输入下面命令：

conda create -n tensorflow python=3.6

• 1

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：

activate tensorflow

• 1

注：当不使用tensorflow时，关闭tensorflow环境，命令为：deactivate

（4）现在，基本环境已经配置好了，我们要安装一些重要的Python科学运算库，Anaconda已经为我们准备好的一系列常用的Python苦，例如numpy，pandas，matplotlib等等，所以我们只需要安装一次anaconda库就可以把这些库全部安装好。

conda install anaconda

（5）安装cpu版本的TensorFlow

conda install tensorflow 

（6）安装gpu版本的TensorFlow(需要先安装CUDA和CuDNN)

conda install tensorflow-gpu

这样tensorflow cpu版本就安装好了。

（6）测试tensorflow 
在Anaconda Prompt中启动tensorflow环境，并进入python环境。 
 
测试代码如下:

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

• 1
• 2
• 3
• 4

运行结果：