TensorFlow™ 是一个采用数据流图（data flow graphs），用于数值计算的开源软件库。它灵活的架构让你可以在多种平台上展开计算，例如台式计算机中的一个或多个CPU（或GPU），服务器，移动设备等等。
关于安装 TensorFlow 官方网站上提供了两种方法安装：
- "native" pip
- Anaconda
第一种是直接在系统本地环境下 pip 安装。优点是用户能够直接在任何目录下直接运行 TensorFlow 程序。缺点是可能会影响到系统上其他基于 Python 安装的。
第二种是使用 Anaconda 去安装。优点是会建立一个单独的虚拟环境，两个项目之间不会互相影响。缺点是 conda package 是由社区维护的，官方团队既不提供测试，也不提供维护，需要自担风险。建议是在 Anaconda 中使用 pip 安装。
Native pip 安装仅 cpu 版本的:
C:\> pip3 install --upgrade tensorflow
Native pip 安装 gpu 版本的:
C:\> pip3 install --upgrade tensorflow-gpu
如果使用 Anaconda 方式安装，建议先了解一下 Anaconda 的使用方式，可以参考一下这篇文章：Anaconda多环境多版本python配置指导。
-
创建一个名字为 tensorflow 的环境 Python 版本为3.5:
这里一定要加上 python 版本选择，不然他会给你建立一个空的环境，当你激活这个环境执行命令时，她会调用你本机的命令去执行，如果执行 pip 安装，其实会安装到你本地，和这个环境没什么关系。
C:> conda create -n tensorflow python=3.5 -
激活 tensorflow :
C:> activate tensorflow (tensorflow)C:> # Your prompt should change -
通过 pip 安装 tensorflow :
(tensorflow)C:> pip install --ignore-installed --upgrade tensorflow安装 gpu 版本的 tensorflow :
(tensorflow)C:> pip install --ignore-installed --upgrade tensorflow-gpu
接下来就可以测试是否安装成功了
>>> import tensorflow as tf
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess = tf.Session()
>>> print(sess.run(hello))
如果输出Hello, TensorFlow!，那么恭喜安装成功。
如果在第三条语句执行的时候出现了一些包含SSE2,SSE4,AVX,AVX2,FMA等的单词的时候，不要担心这不是错误。这是因为 TensorFlow 默认分发的是不使用 CPU 扩展来编译的版本，而你的 CPU 是支持使用这些的，使用这些扩展可以加快运行速度。
解决办法有两个：
-
忽略这些信息
可以使用 TF 的环境变量
TF_CPP_MIN_LOG_LEVEL来设置- It defaults to 0, displaying all logs
- To filter out
INFOlogs set it to 1 -
WARNINGSadditionally, 2 - and to additionally filter out
ERRORlogs set it to 3
import os os.environ['TF_CPP_MIN_LOG_LEVEL']='2' -
使用源码重新编译
关于源码安装可以参考 https://www.tensorflow.org/install/install_sources 。官方是不正式支持在 windows 上构建 TensorFlow 的，但是也是可以使用 Bazel 和 CMake 去编译的，有两个链接Bazel on Windows 和 TensorFlow CMake build。我认为在 Windows 上还是使用 CMake 比较好，看了看前提条件以及步骤，决定不去踩坑了，我需要钱搞一台机器了（其实我 GPU 挺好的，可惜是 AMD 的）。因为见过一句话 ：
hence will be faster on a CPU that supports AVX and FMA (up to 300%)。无论真假，跟 GPU 相比远远不及是肯定的。如果有 GPU 支持的话，非常耗时的操作会由 GPU 来执行，根本不用关心是否需要使用这些扩展。
我是通过 Anaconda pip 安装的，这里列一下我出现的问题。
第一个：
Collecting setuptools (from protobuf>=3.3.0->tensorflow)
Could not find a version that satisfies the requirement setuptools (from protobuf>=3.3.0->tensorflow) (from versions: )
No matching distribution found for setuptools (from protobuf>=3.3.0->tensorflow)
其实我第一次安装是直接 pip 安装的，特别顺利什么问题都没有，一次安装成功，到这里居然不行了。通过查找资料发现是因为自带的setuptools 版本较低，通过命令升级一下就可以：
pip install setuptools --ignore-installed
还有一个鬼才知道的问题：
在第一次pip install --ignore-installed --upgrade tensorflow运行的时候，在Collecting protobuf>=3.3.0 (from tensorflow)这个步骤上什么问题都没有。可是解决掉 setuptools 问题后，再一次pip的时候出现了这样的错误信息：
Could not find a version that satisfies the requirement protobuf>=3.3.0 (from tensorflow) (from versions: )
No matching distribution found for protobuf>=3.3.0 (from tensorflow)
下意识告诉我卸掉 protobuf (我也不知道为啥)，然后我就去做了，pip 和 conda 都告诉我没有安装。接着我就又pip，然后就莫名地好了。
