TensorFlow 安装的前提是系统安装了 Python 2.5 或更高版本，教程中的例子是以 Python 3.5（Anaconda 3 版）为基础设计的。为了安装 TensorFlow，首先确保你已经安装了 Anaconda。可以从网址（https://www.continuum.io/downloads）中下载并安装适用于 Windows的 Anaconda。
安装完成后，可以在窗口中使用以下命令进行安装验证：
conda --version
安装了 Anaconda，下一步决定是否安装 TensorFlow CPU 版本或 GPU 版本。几乎所有计算机都支持 TensorFlow CPU 版本，而 GPU 版本则要求计算机有一个 CUDA compute capability 3.0 及以上的 NVDIA GPU 显卡（对于台式机而言最低配置为 NVDIA GTX 650）。
CPU 与 GPU 的对比：*处理器（CPU）由对顺序串行处理优化的内核（4～8个）组成。图形处理器（GPU）具有大规模并行架构，由数千个更小且更有效的核芯（大致以千计）组成，能够同时处理多个任务。
对于 TensorFlow GPU 版本，需要先安装 CUDA toolkit 7.0 及以上版本、NVDIA【R】驱动程序和 cuDNN v3 或以上版本。Windows 系统还另外需要一些 DLL 文件，读者可以下载所需的 DLL 文件或安装 Visual Studio C++。
还有一件事要记住，cuDNN 文件需安装在不同的目录中，并需要确保目录在系统路径中。当然也可以将 CUDA 库中的相关文件复制到相应的文件夹中。
TensorFlow安装具体做法
- 在命令行中使用以下命令创建 conda 环境（如果使用 Windows，最好在命令行中以管理员身份执行）：
conda create -n tensorflow python=3.5
- 激活 conda 环境：
- 该命令应提示：
- 根据要在 conda 环境中安装的 TensorFlow 版本，输入以下命令：
pip install tensorflow
- 在命令行中输入 python，并输入以下代码：
- 输出如下：
- 在命令行中禁用 conda 环境（Windows 调用 deactivate 命令，MAC/Ubuntu 调用 source deactivate 命令）。
TensorFlow安装过程解读分析
Google 使用 wheel 标准分发 TensorFlow，它是 .whl 后缀的 ZIP 格式文件。Python 3.6 是 Anaconda 3 默认的 Python 版本，且没有已安装的 wheel。在编写本教程时，Python 3.6 支持的 wheel 仅针对 Linux/Ubuntu，因此，在创建 TensorFlow 环境时，这里指定 Python 3.5。接着新建 conda 环境，命名为 tensorflow，并安装 pip，python，wheel 及其他软件包。
conda 环境创建后，调用 source activate/activate 命令激活环境。在激活的环境中，使用 pip install 命令安装所需的 TensorFlow（从相应的 TensorFlow-API URL下载）。尽管有利用 conda forge 安装 TensorFlow CPU 的 Anaconda 命令，但 TensorFlow 推荐使用 pip install。在 conda 环境中安装 TensorFlow 后，就可以禁用了。现在可以执行第一个 TensorFlow 程序了。
程序运行时，可能会看到一些警告（W）消息和提示（I）消息，最后是输出代码：
Welcome to the exciting world of Deep Neural Networks!
转载自http://c.biancheng.net/view/1881.html