系统环境： windows10 + Anaconda3 + Pycharm

准备：

系统环境： windows10 + Anaconda3 + Pycharm

（1）环境配置：

打开Anaconda Prompt，输入清华仓库镜像，这样更新会快一些： 

输入：

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

同样在 Anaconda Prompt 中利用Anaconda创建一个python3.5的环境，环境名称为tensorflow ，输入下面命令：

注意：tf现在已支持在win上安装py3.6版本。详见官网：https://www.tensorflow.org/install/

（3.5环境不是必须的了）

conda create -n tensorflow python=3.5

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。

在Anaconda Prompt中启动tensorflow环境：

activate tensorflow

注：当不使用tensorflow时，关闭tensorflow环境，命令为：deactivate(返回默认的python 3.6环境)

（2）安装tensorflow

命令行先激活tensorflow

activate tensorflow

输入下面命令安装gpu-tensorflow:

pip install –-upgradehttps://mirrors.tuna.tsinghua.edu.cn/tensorflow/windows/gpu/tensorflow_gpu-1.3.0rc0-cp35-cp35m-win_amd64.whl


安装的版本不对可能导致一下问题：

 1.OSError: [WinError 126]找不到指定的模块。

    2.ImportError: Could not find 'cudart64_90.dll'. TensorFlowrequires that this DLL be installed in a directory that is     named in your %PATH%environment variable. Download and install CUDA 9.0 from this URL:  https://developer.nvidia.com/cuda-toolkit

所以要指定安装1.3版本：

pip install –-upgradehttps://mirrors.tuna.tsinghua.edu.cn/tensorflow/windows/gpu/tensorflow_gpu-1.3.0rc0-cp35-cp35m-win_amd64.whl

(3) 安装cuda,  安装直接点击next即可（注意安装8.0版Gan2，目前tf最高只支持8.0版，对应的适配cudnn是6.0版）

根据自己的环境选择对应的版本,exe分为网络版和本地版，网络版安装包比较小，执行安装的时候再去下载需要的包；本地版安装包是直接下载完整安装包。这里建议下载本地版

（4）cuDnn库的安装  点我点我，这个比较繁琐，需要填写许多问卷，下载压缩包

下载完cuDnn压缩包后解压，

将文件拷贝到c盘中相应目录中。

（5）cuDnn库的安装  点我点我，这个比较繁琐，需要填写许多问卷，下载压缩包

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

6）在pycharm中使用tensorflow

新建工程后在  File-Setting–Project Interpreter  选择  tensorflow  下的Python解释器（或者直接在里面搜索 tf-gpu，安装即可，晚会再装cuda+cudnn）

随便跑个HelloWorld测试一下，

import tensorflow as tf

hello = tf.constant("Hello!TensorFlow")
sess = tf.Session()
print(sess.run(hello))

控制台输出：

b'Hello Tensorflow'

这种方式的好处：不用每次都 开启、关闭环境了（activate tensorflow 、deactivate tensorflow）。

 （7）tensorflow测试next：

①官方教程代码测试：

#Creates a graph.
a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
c = tf.matmul(a, b)
#Creates a session with log_device_placement set to True.
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
#Runs the op.
print sess.run(c)

输出：

Device mapping:
/job:localhost/replica:0/task:0/gpu:0 -> device: 0, name: Tesla K40c, pci bus
id: 0000:05:00.0
b: /job:localhost/replica:0/task:0/gpu:0
a: /job:localhost/replica:0/task:0/gpu:0
MatMul: /job:localhost/replica:0/task:0/gpu:0
[[ 22.  28.]
 [ 49.  64.]]