Anaconda安装-conda虚拟环境相关命令-安装tensorflow-在Anaconda自带的ipython 和Spyder中import tensorflow的时候一直失败

一、下载Anaconda并配置好环境变量

Anaconda详细安装及使用教程（带图文）点击我

二、Anaconda虚拟环境相关命令

创建虚拟环境

conda create -n env_name python=x.x

查看虚拟环境

conda env list
conda-env list
conda info -e

使用（激活）虚拟环境

Linux：source activate env_name
Windows：[conda] activate env_name

退出虚拟环境

Linux：source deactivate
Windows：[conda] deactivate

删除虚拟环境

conda remove -n env_name --all

三、安装tensorflow

（1）安装opencv

cmd—— pip install opencv-python 执行
这些包基本上能使用了。

（2）安装tensorflow

注意TensorFlow目前在Windows下只支持Python 3.5版本。

1) 打开Anaconda Prompt，输入清华仓库镜像，这样更新会快一些：

清华镜像

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

2) 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：

conda create -n tensorflow python=3.5

运行 开始菜单->Anaconda3—>Anaconda Navigator，如果启动报错下面有解决方案，点击左侧的Environments，可以看到tensorflow的环境已经创建好了。
Anaconda 启动报错解决 navigator start error
1）使用管理员运行：conda prompt
2）执行命令 conda update anaconda-navigator
3）还是不行就试试命令：anaconda-navigator --reset

3）在Anaconda Prompt中启动tensorflow环境：

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

4）安装cpu版本的TensorFlow

pip install --upgrade --ignore-installed tensorflow

这样tensorflow cpu版本就安装好了。

5）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))

运行结果：

(3) 在Anaconda自带的ipython 和Spyder中import tensorflow的时候一直失败

其他问题（比较重要）
或许到这里我们并没有满足，我们在Anaconda自带的ipython 和Spyder中import tensorflow的时候一直失败，提示No module named ‘tensorflow’，如下图，那是因为我们没有在tensorflow的环境下打开它们。

为了能在ipython 和Spyder中使用tensorflow，我们需要在tensorflow的环境中安装这两个的插件。

打开Anaconda Navigator，选择Not installed，找到 ipython和Spyder并安装，笔者这里已经安装好，所以在这个页面没有显示。

切换到installed，可以看到两个都已经安装好，其实可以按照自己的需要安装。下图显示已经安装好的Spyder:

安装好插件后，我们需要测试一下。
在Anaconda Prompt中启动tensorflow环境，并运行ipython，import tensorflow发现成功:

同样，在Anaconda Prompt中启动tensorflow环境，并运行Spyder，等一会儿后会启动Spyder IDE，import tensorflow 同样成功: