安装tensorflow

使用python版本为3.5或者3.6。

系统为ubuntu和win10。

ubuntu自带python，但python版本为2.7，2.7同样支持tensorflow,但我并不使用2.7版本。在linux上搭建深度学习的环境是比在win上容易的，但linux上并没有unity，要在linux上开发unity的机器学习并不是那么方便。

另外，tensorflow是有两个版本的，一个为CPU版本，另一个为GPU版本。

CPU版本称为简易版本，在win上，通过命令指示器：pip install tensorflow就可以安装，ubuntu上则通过终端：sudo pip install tensorflow来安装。

GPU版本需要显卡支持，显卡能力要大于3.0，具体情况上NVIDIA官网查看，GPU版本的tensorflow需要安装CUDA+cudnn+tensorflow-gpu。ubuntu上的GPU版本安装：http://blog.csdn.net/felaim/article/details/62237880

可能出现“找不到指定模块的问题”：http://blog.csdn.net/geduo_feng/article/details/76696191

http://blog.csdn.net/Wried/article/details/74906722

win10安装tensorflow-gpu

首先需要下载CUDA 8.0.61。请访问GUDA下载页面，选择下载CUDA Toolkit 8.0 GA2：

https://developer.nvidia.com/cuda-80-ga2-download-archive

现在下载CUDA深度神经网络库(CUDA Deep Neural Network)，简称CUDNN。它是专门针对深度神经网络框架设计的一套GPU计算加速方案。全世界的深度学习研究者和框架开发者都使用CUDNN来增强GPU计算性能。这让他们能专注于训练神经网络、开发软件应用，不用在低级别的GPU性能调整上耗费时间。CUDNN支持当下流行的各种深度学习框架，包括Caffe2、MATLAB、Microsoft Cognitive Toolkit、TensorFlow和PyTorch等。

访问CUDNN下载页面，选择CUDA 8.0使用的v6.0版本进行下载。

https://pan.baidu.com/s/1o8mc4YI

载CUDNN v6.0完成后，解压相应的文件，复制bin、include和lib文件夹到CUDA 8.0工具集文件夹。

如果你安装CUDA时使用的是默认路径，那么该路径就是：

C:\Program Files\NVIDIA GPU Computing Toolkit\cuda\v8

现在需要给系统添加环境变量和路径。

编辑环境变量窗口，将以下路径添加进入Path。

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\extras\CUPTI\libx64

下面安装Anaconda，配置Python环境。访问Anaconda的下载页面，下载Python 3..6，选择64位版本。运行Anaconda安装程序，按照系统提示完成安装并运行Anaconda Prompt。

下一步，我们要创建使用Python 3.5.2的运行环境。在Anaconda Prompt中输入如下指令来创建环境：conda create -n tensorflow-gpu python=3.5.2

 

然后输入如下指令启动刚刚创建的环境：activate tensorflow-gpu

 

最后用这个指令安装TensorFlow：pip install tensorflow-gpu

 

当安装完成后，你就可以输入指令启动Python。指令为：Python

 

然后输入指令进行测试：import tensorflow as tf