Tensorflow的版本选择和安装及其用Jupyter Notebook打开某个虚拟环境

一、说在前面

TensorFlow是一个基于数据流编程（dataflow programming）的符号数学系统，被广泛应用于各类机器学习（machine learning）算法的编程实现，其前身是谷歌的神经网络算法库DistBelief。
Tensorflow拥有多层级结构，可部署于各类服务器、PC终端和网页并支持GPU和TPU高性能数值计算，被广泛应用于谷歌内部的产品开发和各领域的科学研究。

二、选择版本

（1）选择CPU还是GPU

TensorFlow在安装时首先面临的就是版本选择的问题：CPU版还是GPU版？版本号选哪个

判断条件	结果
显卡是否NVIDIA系列？	是=GPU；否=CPU
若是NVIDIA系列，计算能力如何？	大于等于3.5=GPU；小于3.5=CPU

首先，查看自己电脑显卡的型号。如果显卡是NVIDIA系列的，继续下面步骤；如果显卡不是NVIDIA系列的，直接装CPU版。

　　右键我的电脑/属性/设备管理器/显示适配器，这是我的

　　

然后，如果是NVIDIA系列的，则查询该显卡的计算能力。详见：查询显卡计算能力。点开自己显卡对应的系列，查看自己显卡的GPU计算能力（即，Compute Capability）。如下图，显卡NVIDIA GeForce RTX 1050对应的计算能力为6.1，可以使用GPU

最后，到官网查询发布的GPU支持，查看硬件要求。本文查询时的标准是3.5（如下图）。如果计算能力≥3.5，可以装GPU版；相反<3.5的只能选择CPU版了。

（2）选择版本号

选择完GPU还是CPU就可以选择相应的版本号了，两个的区别就是运算速度的问题，通过看别人的博客感觉GPU的比较麻烦还是选择了CPU，怪我太懒T_T，如果有伙伴还是想要有更好的体验可以参考这篇博客。

三、安装TensorFlow（我装的是CPU版本的）

（1）进入Anaconda的Promot

（2）为TensorFlow创建虚拟环境

在promot里面输入 conda create -n tensorflow python=3.5

可以通过 conda info -e来查看自己创建的虚拟空间

（3）进入虚拟空间tensorflow

在promot里面输入 activate tensorflow，如果切换了就说明创建成功了、

我们要安装的是CPU版本，那么在命令下紧接着输入：pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow

等安装完毕，就安装好了最新版本的Tensorflow

四、Jupyter Notebook打开某个虚拟环境

首先可以看一下自己在conda里面配置了哪些环境，使用conda env list

  1.在cmd中切换到想要的环境，比如说tensorflow

  2.在tensorflow环境中中安装好ipykernel

       注意，如果用conda install ipykernel 安装不成功，就直接用pip install ipykernel安装即可

  3.python -m ipykernel install --name tensorflow

    执行完这个语句之后，会自动在目录【C:\ProgramData\jupyter\kernels】(类似)生成一个【adda】文件夹，里面有kernel.json文件

    现在打开jupyter notebook，里面就会显示有这个虚拟环境了，然后将其kernel选择为该环境即可

至此，tensorflow的安装及其环境都配置好了，接下来就可以开开心心的撸码了，哈哈！！！