提示：本文必须有支持CUDA的NVIDIA显卡支持；发稿截止前，python3.7版本已经发布，测试无法使用Anaconda进行配置，故依然使用python3.6版本。
请不要质疑本人为什么在值得买发布CSDN专属类型文章，非要一个解释的话，我发现买（这）东（是）西（未）的（来）人（各）比（行）做（各）技（业）术（的）的（大）人（趋）多（势）！废话不多说，有兴趣的值友请往下看。
简单介绍一下TensorFlow，这里就不得不从机器学习说起。所谓的机器学习，无非是人工智能的一个研究方向，通过机器强大的计算能力和庞大的数据，挖掘数据之间的联系，接着机器运用挖掘出来的这个数据之间的联系，对新的数据就产生了一些分类或聚类的能力，这种类似“预测”或“决策”的能力就被称为所谓的“智能”。而今天的主角深度学习，是机器学习的一个研究分支，是神经网络技术的进化。神经网络技术是对人脑神经元网络抽象而来的，由输入层、隐含层和输出层组成，而深度学习借助当前计算机的计算暴力，增加了很多隐藏层，而使得机器的“智能”更加准确。常见的深度学习框架有很多，Keras、Caffe、Caffe2、Torch、Pytorch、Theano等，这里只谈TensorFlow。
TensorFlow本来是Google内部的机器学习框架，于2015年开源。对于开源这件事有利有弊，利是显而易见的，我们可以直接拿来用，弊就是我们对于Google的依赖就愈加强烈了，尤其是深入到高校的科研领域，没办法开展自主的机器学习框架，只能被牵着鼻子走，TensorFlow在1.2版本以后支持了Windows平台，这对于我国各种盗版WIndows横飞的现状，还是很有利的。TensorFlow号称适合所有人的机器学习框架，从能力上来说，只要你的数据量足够，计算机配置够强，我真的觉得深度学习可以解决任何人的任何需求。。。但是我认为这个号称适合所有人的机器学习框架，最重要的原因是入门非常简单，几乎没有什么门槛，为什么，请往下看。
首先，看一下TensorFlow的官方文档。
看到了吗？无需任何机器学习方面的经验，只需读一些Python代码！
看到了吗？无需任何机器学习方面的经验，只需读一些Python代码！这个为什么高兴呢？因为Python的口号是：人生苦短，我用Python！Python语言的一大特色是入门非常快，一天你就能看懂。当然了，后期Python又非常难提升，真正想自己写代码，还是非常困难的，但这又有什么关系，官方文档说了，你可以阅读一些就可以了，我们用框架什么意思？就是直接用啊！所以，开始安装Python！这里使用Anaconda，集成所有你需要的环境！
直接进入Anaconda官网，下载exe安装包，安装即可，再零基础，你也别说你不会exe安装！
这里只推荐Python3.6 64位版本，这个如果你安不了，我劝你放弃本文，不要入门机器学习了吧。
安装完成后，win+R键，输入cmd，打开命令提示符，添加一下Anaconda的清华大学镜像，以加速你的网络！如果你的conda命令不好用，百度一下给Anaconda添加Path的方法。
根据TensorFlow官方文档的要求，你需要先安装CUDA9.0版本，当前最新版本为9.2（TensorFlow官方并没有适配，虽然有大神适配版，还是推荐官方CUDA9.0版本，相对更安全稳定），发布于2018年3月。
下载后，安装，这里提示一下，如果是默认安装，会要求安装Visual Studio，如果不使用VS整合TensorFlow的同学，从自定义安装里取消掉Visual Studio Integration。一般CUDA的环境变量会自动添加。但是我建议安装Visual Studio 2017，防止出现一些莫名其妙的版本问题，我这里安装的是15.7.4版。
检查系统变量
接着我们研究一下安装cuDDN，为GPU的运算加速！详情戳 TensorFlow官方文档明确指出：特别是，cuDNN 版本必须完全匹配：如果无法找到 cuDNN64_7.dll，TensorFlow 就不会加载。要使用不同版本的 cuDNN，您必须从源代码构建。
我没有注意到这句话，所以加载TensorFlow报错了。
进入cuDDN网站，需要注册，虽然全英文，但应该难不倒各位。注册完，对I Agree那句话打钩，就可以选择各种版本了，这里使用了上一版本的CUDA9.0（图为最新9.2版，目前只有大神适配TensorFlow版，官方并不适配），选择windows 10版本下载即可。
根据官方安装文档，解压压缩包，仔细操作第三步，将压缩文件内的3个文件夹复制到示例中安装CUDA的对应位置。第四步可以忽略，让你检查正确配置了环境变量。
Windows版官方安装文档
接着我们就可以运用conda命令安装TensorFlow了。
1.在命令提示符中输入conda create -n tensorflow创建TensorFlow的运行环境，如果你用了清华源的话，还是比较快的。电脑检测完环境后，会问你是否下载，输入y回车即可。
2.激活TensorFlow，输入activate tensorflow命令。效果为下图。
3.输入pip install --ignore-installed --upgrade tensorflow-gpu
4.在激活TensorFlow的前提下，可以使用python命令进行测试了。
测试方法：
1.重新启动命令提示符，直接输入activate tensorflow。
2.输入python，激活python程序。
3.输入import tensorflow as tf。回车后，如果下方出现三箭头光标，恭喜你，成功了！
4.把测试进行完。继续输入hello = tf.constant('hello,TensorFlow!')
5.sess = tf.Session() 进行到这一步的时候，可能第一次运行，有一些慢，我第二次测试的时候就一闪而过了。
6.print（sess.run(hello)）回车，显示b`hello，TensorFlow！ 恭喜，大功告成！
总结：配置并没有什么难度，注意相关软件环境的版本对应即可，本教程配置为Windows10 64位 + CUDA 9.0 + cuDNN对应版本 +Anaconda3 （再次提示，本教程适用于拥有N卡的同学使用TensorFlow GPU版本）
既然平台搭建完成，本人也刚开始入门机器学习，肯定有从事相关工作或者研究的值友，请各位不吝赐教。最后，希望有兴趣的朋友点赞收藏转发，共同学习，共同进步！祝大家都可以成功！
联系客服
