這兩天都沒更新部落格了，原因無它，就是因為這兩天的業餘時間就用來搭建Google大名鼎鼎的深度學習框架了。踩了不少坑啊，因此一定要記錄一下環境的搭建過程。

環境

首先，先看看我的環境：

• Windows10：GTX960M顯示卡（如果裝Tensorflow的gpu版本的話，對顯示卡有要求的，https://developer.nvidia.com/cuda-gpus 這裡可以檢視顯示卡是否支援

當然了，如果是裝CPU版本的話是沒有問題的，對顯示卡沒要求，但是據說顯示卡可以提升很多的速度啊，沒試過，試試便知道了。

步驟

這裡我踩了不少坑啊，欲哭無淚

• 先安裝python3.5：
  記住一定是3.5啊，其他的一律不行，被3.6坑了半天，
  地址貼出來

  https://www.python.org/downloads/windows/；
  
  說明一下，Python環境變數，pip都順帶幫你裝好了，省事，不錯

• 安裝Visual Studio 百度一下，去官網下載就好了
  安裝時只要選擇安裝c++部分的就行，不然太慢了，不過我還是直接睡覺去了，讓他慢慢下載安裝，沒幾個小時不行吧估計。我是不想等。

• 安裝CUDA，Cudnn（如果用CPU版本的Tensorflow,不用安裝）
  cuda：https://developer.nvidia.com/cuda-downloads下載地址；這個用瀏覽器下載不了，坑爹啊，我馬上換迅雷下載，速度槓槓的。
  Cudnn：

  https://developer.nvidia.com/cudnn，這個不大，隨便下下就行了。
  Cudnn解壓後將bin,include,lib三個資料夾裡面的內容複製至Cuda安裝目錄下，預設路徑為C:\Program Files\NVIDIA GPUComputing Toolkit\CUDA\v8.0（記住不是替換，是把Cudnn檔案裡的.dll檔案新增到Cuda裡面）

• 編譯cuda：
  預設安裝路徑C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0下，有一個Samples_vs2015.sln檔案，如果裝的vs2015，就用vs2015開啟此檔案，其他版本就開啟其他對應檔案
  

  
  開啟之後稍等一會
  
  按照圖上的操作，不用急，操作完了慢慢等就行，速度堪憂啊

• 檢查cuda裝成功否
  當vs2015編譯完了以後，在
  c:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\bin\win64\Release
  目錄下找到deviceQuery.exe這個檔案。注意：沒用vs2015編譯，也就是沒走上一步的話，是沒有這個檔案的，別問我是怎麼知道的。
  
  如圖的話說明就已經成功的安裝了cuda了

• 安裝Anaconda
  注意：不安裝也可以的，這裡面只是包含很多的深度學習演算法的模組，省的你去一個一個安裝，但是如果要安裝的話，一定要看清楚版本號，只能選Python3.5的，否則你裝的那個Python3.5可能不會用到，而是用的Anaconda的Python環境；別問我又是怎麼知道的。

• 安裝tensorflow

下載地址：
gpu版：https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-0.12.0-cp35-cp35m-win_amd64.whl
cpu版：https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow-0.12.0-cp35-cp35m-win_amd64.whl
可以先下載在安裝，我就是採取的此辦法，
安裝方法：
pip install 已下載的檔名；
如
pip install tensorflow_gpu-0.12.0-cp35-cp35m-win_amd64.whl

當然亦可以線上安裝
gpu版：

pip install --upgrade https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-0.12.0-cp35-cp35m-win_amd64.whl

cpu版：

pip install --upgrade https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow-0.12.0-cp35-cp35m-win_amd64.whl

• 檢驗是否安裝成功

import tensorflow as tf
sess = tf.Session()
a = tf.constant(10)
b = tf.constant(22)
print(sess.run(a + b))

如果輸出為32，則說明成功了。環境的搭建就告一段落了，希望對大家有用。

最後，感謝http://www.jianshu.com/p/c245d46d43f0文章的支援。