官網安裝方法：

https://www.tensorflow.org/install/install_windows

1.pip

2.Anaconda

3.源碼：http://www.lxweimin.com/p/d0a5fa97fcc8

說明：使用pip或anaconda等方式安裝的預編譯好的tensorflow沒有AVX2指令集加速，通過手動編譯可以更好的利用GPU。但是如果沒有AVX或者GPU的話，手動編譯幾乎沒有優勢。

目前，官方只提供了Ubuntu和Mac OS X的編譯支持，在Windows下可以通過Bazel和CMake兩種方式進行編譯，但只是 “highly experimental”，可能會遇到各種錯誤。

可供參考的其他安裝方法：

http://blog.csdn.net/wx7788250/article/details/60877166

http://blog.csdn.net/JerryZhang__/article/details/60763161

開始安裝

前提條件

windows平臺安裝TF，要求python版本號必須為3.5.x or 3.6.x，并且必須選擇為x64平臺的。

必須安裝Microsoft Visual C++ 2015 Redistributable Update 3，否則會執行失敗，報錯內容稍后提到（missing MSVCP140.dll）。

下載鏈接：

VC++安裝包下載：https://www.microsoft.com/en-us/download/details.aspx?id=53587

python：https://www.python.org/downloads/release/python-362/

安裝Bazel：https://docs.bazel.build/versions/master/install-windows.html

安裝Chocolatey：https://chocolatey.org/install

配置本地環境

1.VC++安裝包下載：

https://www.microsoft.com/en-us/download/details.aspx?id=53587

2.安裝python 3.6.x，

https://www.python.org/downloads/release/python-362/

3.安裝Cuda和CuDNN

谷歌提供了CPU和GPU版本的TensorFlow，使用GPU版本的TensorFlow進行訓練需要NVIDIA顯卡，并安裝Cuda和CnDNN，如果使用CPU版本的，可跳過這一步。

CUDA安裝：https://developer.nvidia.com/cuda-downloads

按照提示直接安裝即可。

CuDNN安裝：https://developer.nvidia.com/cudnn

這一步需要注冊一個賬號，并填寫一個問卷，完成后即可下載。CuDNN下載后解壓，添加 [yourPath]\cuda 和[yourPath]\cuda\bin 到環境變量 并按照如下操作：

[yourPath]\cuda\bin\cudnn64_5.dll —> （拷貝至）

[yourPath]\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin

[yourPath]\cuda\include\cudnn.h —> （拷貝至）

[yourPath]\NVIDIA GPU Computing Toolkit\CUDA\v8.0\include

[yourPath]\cuda\lib\x64\cudnn.lib —>（拷貝至）

[yourPath]\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64

4.查看CUDA版本

在命令提示符中查看CUDA8的版本

C:\Users\Administrator.chenbo-ovr097b6>nvcc -V

nvcc: NVIDIA (R) Cuda compiler driver

Copyright (c) 2005-2016 NVIDIA Corporation

Built on Mon_Jan__9_17:32:33_CST_2017

Cuda compilation tools, release 8.0, V8.0.60

5.查看GPU設備信息

運行deviceQuery.exe，查看GPU設備信息

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\extras\demo_suite>device

Query.exe

deviceQuery.exe Starting...

CUDA Device Query (Runtime API) version (CUDART static linking)

Detected 1 CUDA Capable device(s)

Device 0: "Tesla M60"

CUDA Driver Version / Runtime Version? ? ? ? ? 9.0 / 8.0

CUDA Capability Major/Minor version number:? ? 5.2

Total amount of global memory:? ? ? ? ? ? ? ? 8108 MBytes (8501460992 bytes)

(16) Multiprocessors, (128) CUDA Cores/MP:? ? 2048 CUDA Cores

GPU Max Clock rate:? ? ? ? ? ? ? ? ? ? ? ? ? ? 1178 MHz (1.18 GHz)

Memory Clock rate:? ? ? ? ? ? ? ? ? ? ? ? ? ? 2505 Mhz

Memory Bus Width:? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 256-bit

L2 Cache Size:? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 2097152 bytes

Maximum Texture Dimension Size (x,y,z)? ? ? ? 1D=(65536), 2D=(65536, 65536),3D=(4096, 4096, 4096)

Maximum Layered 1D Texture Size, (num) layers? 1D=(16384), 2048 layers

Maximum Layered 2D Texture Size, (num) layers? 2D=(16384, 16384), 2048 layers

Total amount of constant memory:? ? ? ? ? ? ? 65536 bytes

Total amount of shared memory per block:? ? ? 49152 bytes

Total number of registers available per block: 65536

Warp size:? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 32

Maximum number of threads per multiprocessor:? 2048

Maximum number of threads per block:? ? ? ? ? 1024

Max dimension size of a thread block (x,y,z): (1024, 1024, 64)

Max dimension size of a grid size? ? (x,y,z): (2147483647, 65535, 65535)

Maximum memory pitch:? ? ? ? ? ? ? ? ? ? ? ? ? 2147483647 bytes

Texture alignment:? ? ? ? ? ? ? ? ? ? ? ? ? ? 512 bytes

Concurrent copy and kernel execution:? ? ? ? ? Yes with 2 copy engine(s)

Run time limit on kernels:? ? ? ? ? ? ? ? ? ? No

Integrated GPU sharing Host Memory:? ? ? ? ? ? No

Support host page-locked memory mapping:? ? ? Yes

Alignment requirement for Surfaces:? ? ? ? ? ? Yes

Device has ECC support:? ? ? ? ? ? ? ? ? ? ? ? Disabled

CUDA Device Driver Mode (TCC or WDDM):? ? ? ? TCC (Tesla Compute Cluster Driver)

Device supports Unified Addressing (UVA):? ? ? Yes

Device PCI Domain ID / Bus ID / location ID:? 0 / 0 / 21

Compute Mode:

< Default (multiple host threads can use ::cudaSetDevice() with device simultaneously) >

deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 9.0, CUDA Runtime Version = 8.0, NumDevs = 1, Device0 = Tesla M60

Result = PASS

6.通過pip安裝TensorFlow

6.1安裝過程

pip是Python包管理工具，可以很方便的安裝一些軟件。我們在安裝Python的時候已經自動安裝了pip，現在可以直接在CMD中執行以下命令安裝TensorFlow。

CPU版本： pip install tensorflow

GPU版本： pip install tensorflow-gpu

注意：安裝python新版本后，可能會不帶pip因此需要先安裝pip，然后再安裝tensorflow

pip安裝方法：

python -m ensurepip? //安裝pip

python -m pip install tensorflow //安裝TF for CPU框架

python -m pip install tensorflow-gpu //安裝TF for GPU框架

6.2驗證

python

>>> import tensorflow as tf

>>> hello = tf.constant('Hello, TensorFlow!')

>>> sess = tf.Session() //看到GPU顯存信息

>>> print(sess.run(hello))

7 通過Anaconda安裝TensorFlow

7.1 安裝Anaconda

下載Anaconda中最新版本：https://www.anaconda.com/download/

7.2 打開conda客戶端，構建conda環境

C:> conda create -n tensorflow python=3.6

7.3 激活conda環境

C:> activate tensorflow

7.4 安裝框架

(tensorflow)C:> pip install --ignore-installed --upgrade tensorflow //安裝TF for CPU框架

(tensorflow)C:> pip install --ignore-installed --upgrade tensorflow-gpu //安裝TF for GPU框架

7.5 conda環境中驗證

python

>>> import tensorflow as tf

>>> hello = tf.constant('Hello, TensorFlow!')

>>> sess = tf.Session() //看到GPU顯存信息

>>> print(sess.run(hello))

8.完成