最近因为工作需要，要研究下TensorFlow，所以总结下我这两天在Windows平台上安装的经历。或许有人能用到。
首先说下，我安装的时候TensorFlow的最新版本是1.5，所以接下来说的都是这个版本的情况，这个非常非常重要，无论如何官网都是第一要参考的，其次才是别人的总结。
准备工作
打开官网：Getting Started With TensorFlow进入Install链接
按照上面说的，有两种方式来使用TensorFlow，一种是CPU模式，另一种是GPU模式。我也按照这两种模式说下我的做法。
- CPU模式
这个模式下按照官网介绍不自己编译的话直接安装预编译好的python接口不需要额外准备什么，只要把VPN的梯子放好，接下来翻墙下载就可以了。（现在已经放开了，不用翻墙了） - GPU模式
这个模式需要预前下载几个软件：VS2015（在目前1.5版本中不需要）
这个软件在按照CUDA的时候会用到。如果已经安装了VS2012或者之后的版本也可以不用安装这个版本了，不过这个版本的好处是可以直接装社区版，是免费的。需要注意的是按照的时候记得选上C++的开发环境。“话说现在微软已经是开源社区代码量贡献第一名了，呵呵”-
CUDA
注意版本，TF官网给出的链接也就是NVIDIA现在默认下载的版本是9.1，这个版本不是pip安装时TF(r1.5)默认需要的版本，TF默认需要的版本是9.0的，所以如果现在还是需要9.0版本的那么请在这个链接下载https://developer.nvidia.com/cuda-90-download-archive（更新这段文字时是2018年1月29号，请确认你当下TF的所需版本，如果不幸搞错了，也没关系，卸了重新下载然后按照就可以了，卸载走控制面板就可以了，把NVIDIA相关的软件都卸载干净。）
接下来的VS编译相关内容可以略过了，不需要编译。这个在Nvidia的网站上可以下载得到。然后进行安装，安装比较简单，不过最后如果想要运行下sample进行验证安装是否正确的话，还需要打开<u>C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0</u>下面的Samples_vs2015.sln对工程进行编译。记得编译的时候改下编译的模式，不用Debug改成Release。
~~编译CUDA的Samples~~
编译完成后就可以在<u>C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\bin\win64\Release</u>下面命令行运行deviceQuery.exe了。另外TensorFlow官网提升说需要把CUDA的dll加入到path环境变量中，我这边装好后看了下，感觉都已经加好了，所以没有手动再加什么环境变量。
cuDNN
前面个都装好，还剩下cuDNN了。这个不需要安装，直接下载后解压出来就可以。但是版本在当下r1.5版本的TF要求是cuDNN7.0版本，需要下载和CUDA9.0对应的版本，可是NVIDIA的官网在维护无法下载，所幸有网友在网上提供了：cuDNN下载： 链接: https://pan.baidu.com/s/1slG5s5n 密码: unv2
。Tensor说不要和CUDA的dll放在一个目录下面，所以我把cuDNN放在了CUDA的平级目录下：<u>C:\Program Files\NVIDIA GPU Computing Toolkit\cuDNN</u>.然后在path中添加：C:\Program Files\NVIDIA GPU Computing Toolkit\cuDNN\cuda\bin
补充升级到TensorFlow r1.3版本的GPU模式安装的问题，在r1.2版本中使用的是cuDNN v5.1，在r1.3使用的是cuDNN v6 or v6.1，所以需要重新下载并替换掉之前的v5.1版本。然后还是下面的安装步骤就没问题了。不需要卸载，直接安装就是升级。*In particular, the cuDNN version must match exactly: TensorFlow will not load if it cannot find cuDNN64_6.dll. *
开始安装
- 创建conda环境
conda create -n tensorflow python=3.6 anaconda
我在后面加了个anaconda，推荐大家也加上，这样np，pd，sklearn，scipy之类的包就都一起安装了。
之后activate到新的环境上继续下面的步骤
- 安装CPU模式
pip install --ignore-installed --upgrade tensorflow
- 安装GPU模式
pip install --ignore-installed --upgrade tensorflow-gpu
然后接下来就是import tensorflow，并print Hello TensorFlow！了
Pycharm环境
在Pycharm中使用TensorFlow也很简单。
首先是创建一个准备使用TensorFlow的Project，然后为其建立一个Interpreter：
然后就可以运行Hello代码了。
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))
可以发现有些告警，是因为我们使用的预编译库没有SSE等指令，这个可以给CPU加速1倍左右。不过需要我们重新编译生成库，不过因为Tensor非常不推荐在Windows做这个事情，所以想重新编译的话还是在Ubuntu上做吧，下个最新版的编译起来也不费劲。因为我主要是想单机做些简单实验，而且我使用的是GPU模式，所以就不在win10上折腾了。
至此简单的TensorFlow环境就搭建好了，接下来就可以开始学习Tensor、Graph、Node等等新的知识了。
