Windows 7 64位安装tensorflow cpu 版本

安装Python

Windows下安装TensorFlow只支持Python3.5以上的版本，这里我安装Python3.6，Python的安装可以从官网下载。
例如我安装后的版本如下：
pip3 –version

下载tensorflow

在下面的网址下载对应的Python3.6的tensorflow代码。
https://mirrors.tuna.tsinghua.edu.cn/tensorflow/windows/cpu/
例如我下载的是tensorflow-1.2.1-cp36-cp36m-win_amd64.whl

使用正确的版本后可以安装。
pip3 install tensorflow-1.2.1-cp36-cp36m-win_amd64.whl

测试你的程序

新建文件：
test.py

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

成功

手写字体识别程序

# encoding:utf-8
import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
 
# 获取数据,number 1 to 10
mnist = input_data.read_data_sets('MNIST_data', one_hot=True)
 
 
def add_layer(inputs, in_size, out_size, activation_function=None):
    with tf.name_scope('layer'):
        with tf.name_scope('weights'):
            W = tf.Variable(tf.random_normal([in_size, out_size]), name='W')
        with tf.name_scope('bias'):
            b = tf.Variable(tf.zeros([1, out_size]) + 0.1, name='b')
        with tf.name_scope('Wx_plus_b'):
            Wx_plus_b = tf.matmul(inputs, W) + b
        if activation_function is None:
            outputs = Wx_plus_b
        else:
            outputs = activation_function(Wx_plus_b)
        return outputs
 
 
def compute_accuracy(v_xs, v_ys):
    global prediction
    y_pre = sess.run(prediction, feed_dict={xs: v_xs})
    corrct_prediction = tf.equal(tf.argmax(y_pre, 1), tf.argmax(v_ys, 1))
    accuracy = tf.reduce_mean(tf.cast(corrct_prediction, tf.float32))
    result = sess.run(accuracy, feed_dict={xs: v_xs, ys: v_ys})
    return result
 
# define placeholder for inputs to network
xs = tf.placeholder(tf.float32, [None, 784])  # 28x28
ys = tf.placeholder(tf.float32, [None, 10])
 
# add output layer, softmax通常用于做classification
prediction = add_layer(xs, 784, 10, activation_function=tf.nn.softmax)
 
# the error between prediction and real data
cross_entropy = tf.reduce_mean(-tf.reduce_sum(ys * tf.log(prediction),
                                              reduction_indices=[1]))
 
train_step = tf.train.GradientDescentOptimizer(0.5).minimize(cross_entropy)
 
sess = tf.Session()
 
# important step
sess.run(tf.initialize_all_variables())
 
for i in range(1000):
    batch_xs, batch_ys = mnist.train.next_batch(100)
    sess.run(train_step, feed_dict={xs: batch_xs, ys:batch_ys})
    if i % 50 == 0:
       print(compute_accuracy(
           mnist.test.images, mnist.test.labels
       ))

使用anaconda进行安装
在目录https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
下载Anaconda3-5.3.1-Windows-x86_64.exe
安装完成后，创建python3.5环境。
conda create -n tensorflow python=3.5
表示创建成功，打开Anaconda安装目录，我的是C:\Users\Administrator\Anaconda3\envs，会发现多了个tensorflow的文件夹，这就是创建的Tensorflow环境，里面有Python3.5.2相关的dll等

使用这个环境
activate tensorflow

检测当前环境版本，使用这个命令可以知道使用路径。

在网址https://mirrors.tuna.tsinghua.edu.cn/tensorflow/windows/cpu/下载tensorflow-1.2.1-cp35-cp35m-win_amd64.whl

pip install E:\study\python\教材\tensorflow-1.2.1-cp35-cp35m-win_amd64.whl

表示安装Tensorflow库成功。

测试命令，依次输入：Python，import tensorflow as tf
如果没有报错，表示Tensorflow库安装成功。

打开软件进行代码debug

运行