tensorflow详细安装教程亲测有效，成功运行！手把手教学（踩了很多坑的经验，一次成功）

之前自学了机器学习的相关内容，需要安装tensorflow，中间踩了不少坑，最后终于安装成功，下面是安装遇到的一些坑以及经验（实测有效，有朋友已经成功安装）：

1.选择我们想要安装的的Anaconda和对应Python的版本

之前看了不少经验贴，发现安装总出现问题，有的小伙伴安装都完成了却不能运行。最后才看到要与Anaconda对应的Python版本才能使用，这里参考这位老哥整理的对应表，感谢老哥，整理不易。

https://blog.csdn.net/yuejisuo1948/article/details/81043823?depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromBaidu-1&utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromBaidu-1
在这里我选的是2018年9月的Anaconda3-5.3.0，对应的Python版本为Python3.7.0（大家随意选就好，只要对应即可。本人选择这个纯属只是好记哈哈。）

2.清华镜像下载Anaconda

由于选用国外节点下载速度巨慢，我们选择清华源镜像来下载Anaconda
https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/?C=N&O=D

如图，可以看到有多个版本可供下载，我直接找到需要的版本在图中第七个直接下载安装。

3.安装Anaconda

此部分简单跳过，注意安装过程要勾选Path选项。安装完成在左下角点击，最近添加，点击Anaconda prompt，熟悉常用命令：
conda –version 查看Anaconda版本
conda env list 查看目前已有的环境
主要是熟悉并测试Anaconda是否正常安装，方便后面安装出错时判断哪一步有问题。

4.安装tensorflow

添加清华源镜像url，下载很多包会更快，分别键入下面两行命令：

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

conda config --set show_channel_urls yes

接下来创建虚拟环境命名为tensorflow ，其中Python版本为3.7.0，键入如下命令：

conda create -n tensorflow python=3.7.0

然后自动下载包，等待下载完成，下载完成命令行会显示是否继续 y/n，

我们当然是yes了，键入y
然后会开始安装，即使我们使用清华镜像，依然速度感人 哈哈哈。
坚持就是胜利，都到这里了 。马上就见到曙光了！

虚拟环境创建完成，它显示激活虚拟环境 需键入：

activate tensorflow

退出则需要键入：

deactivate tensorflow

我们当然是激活，因此键入前者即可。

5.检查Python部分并重新安装

这部分是最令我头疼的部分，不是因为它有多难，而是这个问题很容易会忽略。进入虚拟环境后，很多人以为已经可以开始安装tensorflow了，但由于缺少一部分包，会出现很多error。
先看Python的路径，键入：

where python

从中可以看到Python所在位置，但是这里的Python少了一部分，即ipython，需要重装。键入：

pip install ipython

ipython装好，我们的虚拟环境才算完成，接下来就可以在虚拟环境中安装tensorflow了，我们选择安装tensorflow2.0版本，键入：

pip install tensorflow==2.0.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

安装过程较长，需要耐心等待。最后的等待，有没有很激动呢。机器学习之旅即将展开了。

6.测试部分

安装完成，相信大家都有点小激动呢。可别高兴地太早，没运行成功前都是未知数呢（默默地流下了安装5遍的眼泪、）
接下来开始测试有没有安装成功，tensorflow是Python的第三方库，当然要用Python来测试能否正常运行了，键入python：

python

键入一个简单输出的代码如下：

import tensorflow as tf

tf.compat.v1.disable_eager_execution()

hello = tf.constant("Hello!TensorFlow")

sess=tf.compat.v1.Session()

print(sess.run(hello))

如图可看到成功输出。相信大家已经被这个搞得身心俱疲，不过最终成功的欣喜还是值得心头一动的（哈哈）。接下来开始你的机器学习之旅吧，加油！