1、安装anaconda

anaconda想必大家都不陌生，由于网站登不上去，我找到了清华大学的一个开源镜像，下载地址为http://mirrors.tuna.tsinghua.edu.cn/help/anaconda/

下载完成后安装，一步步点击ok就好啦，这里忘截图了，所以就不放图了，我将anaconda安装在D:\software\anaconda 下。

注意将安装路径添加到系统环境变量中，右键我的电脑--属性--高级系统设置-环境变量，在系统变量path中加入anaconda的安装路径即可，如下图所示：

添加环境变量

此时在命令行下查看Python的版本，可以发现电脑中已经成功安装了python3.6的开发环境啦.

查看系统中的python版本

2、安装Pycharm

Pycharm算是一款比较不错的python ide了，下载地址为：http://www.jetbrains.com/pycharm/

Pycharm分为社区版和专业版，社区版需要付费或者激活码，所以这里我索性下载了一个社区版，下载，一路安装畅通无阻。

3、安装tensorflow-gpu版本

anaconda中已经内置了pip，所以选择直接用pip进行安装：

pip install --upgrade https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-0.12.0-cp35-cp35m-win_amd64.whl

发现，报错啦！

安装报错

出现这个错误的原因是目前tensorflow-gpu版本只支持python3.5.2，所以我们使用如下命令建立一个tensorflow的计算环境：

conda create -n tensorflow python=3.5.2

随后激活此环境：

activate tensorflow

在此环境下执行安装命令：

pip install --upgrade https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-0.12.0-cp35-cp35m-win_amd64.whl

安装成功！

4、安装cuda和cudnn

只安装了tensorflow是不够的，想要配置gpu的开发环境，还需要安装cuda和cudnn：cuda下载地址：https://developer.nvidia.com/cuda-downloads

下载之后安装即可，一路点下一步！

cudnn下载地址：https://developer.nvidia.com/rdp/cudnn-download

cudnn下载后直接解压即可，需要将bin目录添加到环境变量path中,如下图所示：

将cudnn的bin路径添加到环境变量

5、使用Pycharm进行测试

首先我们需要将解释器选择为我们刚刚创建的tensorflow环境：

修改解释器环境

可以看到我们新建的tensorflow计算环境只有这么一点python库，每次想要使用pip安装新的库时，需要先激活tensorflow环境，仍然使用activate tensorflow即可。

如果不想这么麻烦，可以直接将anaconda的python版本进行降级，使用命令：conda install python=3.5.2，降级之后再安装tensorflow。

编写第一个程序：

tensorflow示例程序

运行结果：

运行结果

至此，大功告成！

Excel BI、Python爬虫案例、Python机器学习、Python数据科学家、大数据、数据分析报告、数据分析师体系、深度学习、R语言

转载请保留以下内容：

本文来源自天善社区ruc_wenwen老师的博客（公众号）。

原文链接： https://ask.hellobi.com/blog/wenwen/8494