win10建立tensorflow環境跟管理環境
一、環境建立：
conda create -n 環境名 -c 映象源
Python 2.7
$ conda create -n tensorflow python=2.7
Python 3.4
$ conda create -n tensorflow python=3.4
Python 3.5
$ conda create -n tensorflow python=3.5
檢視Python版本
python --version
二、啟用虛環境
source activate "name"
三、退出虛環境
deactivate
source deactivate
四、刪除虛環境
我們不再需要snakes環境了，所以輸入以下命令：
conda remove -n snakes --all
五、conda安裝tensorflow---GPU版本
cuda 解除安裝
解決cuda版本問題
根據現象和一些實際的驗證操作，大概總結出以下安裝方法比較靠譜，但由於時間關係沒有作全系列的組合驗證，可以作為參考：
3.1 安裝順序
先安裝 CUDA，再安裝 tensorflow ，最後安裝 cuDNN,嚴格按照這個順序裝，可以避免返工，避免一步錯就必須重灌系統
3.2 安裝配置
A、先安裝 CUDA，注意不要選擇最新的 9.2 版本，因為 tensorflow 還不支援這個最新的版本，我們選擇 9.0 版本的就好，
B、安裝tensorflow，同樣參考上述文章，注意要先配置 pip源 。這裡我們預設下載的最新版本是 1.8 版本的。
C、最後安裝 cuDNN
4.1、確定大版本
根據提示的錯誤資訊，例如提示找不到 libcudnn.so.x 或者 libcublas.so.x，那麼這個x代表的數字資訊就是我們要安裝的 cuDNN 的版本，
4.2、確定大版本下的CUDA版本
4.3、下載檔案
安裝完成後，驗證方法參照上述提到的文章
如此一般可以解決問題
安裝特定版本：
pip install tensorflow==1.2.0
升級到最新版本：
pip install –upgrade tensorflow
獲取tensorflow版本號：
在idle命令列中輸入import tensorflow——》回車——》tensorflow.__version__ （注意是雙下劃線）
tensorflow 詳細安裝
跟換conda映象源------清華
$conda config –add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
$conda config –set show_channel_urls yes
$vi ~/.condrac
刪除default那一行 其他映象：
中科大的映象
conda config –add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config –set show_channel_urls yes
加個小tip:要刪除 .condarc檔案
.condarc以點開頭，一般表示 conda 應用程式的配置檔案，在使用者的根目錄 （windows：C:\users\username\， linux：/home/username/）。但對於.condarc配置檔案，是一種可選的（optional）執行期配置檔案，其預設情況下是不存在的。 當用戶第一次執行 conda config命令時，將會在使用者的家目錄建立該檔案。
解除安裝pip uninstall tensorflow-gpu-1.5.0
選擇安裝版本：pip install tensorflow-gpu==1.4.0
pip install --upgrade https://mirrors.tuna.tsinghua.edu.cn/tensorflow/windows/gpu/tensorflow_gpu-1.3.0rc0-cp35-cp35m-win_amd64.whl- 2017-12的時候，tensorflow 1.4不支援cuda9.0，且tensorflow1.0版本以上是不支援cuda8.0以下的。
- cuda8.0對應的cuDNN必須是6.0版的。
- cuda8.0，在cuda下載頁面，Legacy Releases，找到舊版本下載地址，然後下載安裝
- 最後成功安裝，選擇CUDA Toolkit 8.0 GA2+cuDNN v6.0 (April 27, 2017), for CUDA 8.0
筆者的顯示卡時Nvida GTX750 Ti,運算能力4以上，符合前一篇tensorflow安裝GPU版本的要求。因此我們的安裝均是安裝的GPU版本，非GPU版本安裝類似。
安裝visual studio2015 可以只安裝 Visualc++部分
2.安裝CUDA：
按提示安裝,先安裝cuda_8，再安裝補丁；
3.安裝cuDNN庫：
把解壓檔案放置到CUDA的相關資料夾裡：
import tensorflow as tf
with tf.device('/cpu:0'):
a = tf.constant([1.0,2.0,3.0],shape=[3],name='a')
b = tf.constant([1.0,2.0,3.0],shape=[3],name='b')
with tf.device('/gpu:1'):
c = a+b
#注意：allow_soft_placement=True表明：計算裝置可自行選擇，如果沒有這個引數，會報錯。
#因為不是所有的操作都可以被放在GPU上，如果強行將無法放在GPU上的操作指定到GPU上，將會報錯。
sess = tf.Session(config=tf.ConfigProto(allow_soft_placement=True,log_device_placement=True))
#sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
sess.run(tf.global_variables_initializer())
print(sess.run(c))
conda 指定TensorFlow版本安裝
1.5以上支援cuda9+cudnn7
pip install tensorflow==1.4.0
先，可以安裝一個anaconda。
然後使用python的pip可以安裝特定版本的tensorflow，比如
pip install tensorflow-gpu==1.1.0
升級到最新： GPU版本：
pip install --upgrade tensorflow-gpu
CPU版本： pip install--upgrade tensorflow
如何檢視當前tensorflow版本：
python import tensorflow as tf
tf.__version__
查詢tensorflow安裝路徑為:
tf.__path__
Ref: http://blog.csdn.net/u011961856/article/details/76861052
caffe版本配置