最近開始學習深度學習的相關知識，準備實戰一下，看了一些關於tensorflow安裝的部落格，繞了一些彎，因此來填一下坑(多餘安裝的或者非windows)，主要圍繞使用pycharm時需要用到tensorflow的安裝過程。

環境：windows10專業版。只是想簡單跑一下tensorflow的話，安裝過程真的很簡單。

如果你有“安裝IDE並關聯編譯器"的經驗，不想看複雜的安裝說明，可以嘗試看這個目錄憑自己的理解裝完，有問題細看。

1.安裝python，建議3.5以上版本

2.安裝pycharm，在pycham中關聯python直譯器，即給出Python.exe所在的路徑。

3.Pycharm中File->settings->Project xxx:->Project interpreter，右側列表任意雙擊一項就可以開啟“Available Package(可安裝的包的列表)”，找到你要的tensorflow版本點選install Package。gpu版需要顯示卡支援CUDA，並安裝CUDA和cuDNN。

前言

首先，對於windows下安裝tensorflow，有的部落格上來就叫裝Anaconda、裝CUDA(詳細自行搜尋)，我覺得並不是很好。關於Anaconda，本質是個整合好的包，五六百M的樣子，裡面有python和一些科學包，裡面沒有tensorflow。學長給我了包但我並沒用，實際上裡面好多包我用不到，我覺得用到什麼下什麼就行了，因為pip很方便，尤其是配上pycharm以後，其實並不需要像別的教程那樣使用pip指令去獲得包。

1.安裝python(如果你已經裝有python，可以跳過這步)

指的是python的直譯器(interpreter)和一些套件，有點類似於學C的時候的編譯器的感覺，找到資源執行一下exe基本就裝好了。關於版本，tensorflow1.2以後的版本需要3.5以後的版本。關於2.x與3.x的區別有哦興趣可以參考

2.選擇一個IDE

好的IDE可以提高效率，我使用的pycharm，這個看個人喜好。Anaconda有自帶spider。

pycharm資源和安裝教程很多，這裡略過。

IDE安裝的時候會詢問是否關聯直譯器，如果不小心點過去了，也可以開啟File->Project:xxx->Project interpreter來關聯直譯器的路徑，這個過程和使用codeblocks關聯編譯器差不多。至此基本的python已經可以用了。

圖1 Project interpreter

另：File->settings->Color Scheme可以選擇面板。

3.安裝tensorflow

一些教程比較推薦的方法是使用pip，這個很方便。在python目錄下的Scripts資料夾裡有pip.exe和pip3.exe。通過在命令列輸入一些指令就可以完成安裝了。詳細：https://blog.csdn.net/u010099080/article/details/53418159

但我cmd真的用的不太好，pycharm安裝其實更加方便(本質還是pip，只不過不需要自己輸指令)

方法：在如圖1的介面中，任意雙擊一個packge，例如pip。接著你就能看到可安裝的包的列表了，找到你需要的package後點install package就好了，就這麼簡單。右邊欄是包的介紹，下方可以選擇特定的版本（用Python3.6下不到1.2之前的版本）。列表裡藍色的是已經裝好的。

裝好以後你的列表裡就有了，如上圖1所示。就算只裝了tensorflow也會帶著一堆配套的東西，比如numpy，tensorboard；完全不用擔心。另外需要pandas之類的話，安裝同樣的方法安裝即可。

如果你需要用GPU跑tensorflow，則應確保你的顯示卡支援CUDA，且應該安裝CUDA和cuDNN，並選擇tensorflow-gpu

不同版本的tensorflow支援特定版本的CUDA，CUDA、cudnn應當與tensorflow配套

好多教程沒有強調，釋出的也比較早，容易有坑。

tensorflow1.6開始支援CUDA9.0，cuDNN也需要配套的，找cuDNN x.x.x for CUDA9.0這樣的。

tensorflow1.6或1.7用CUDA9.1是不行的，該用9.0，我就被坑了。不過好在有解決的方法，非常感謝下面這篇：

於是我寫了一篇詳細的關於使用CUDA9.1的tensorflow的教程：

更新：tensorflow的包是比較大的，安裝起來比普通的小包要慢很多，請保證程式正常執行且網路通暢的條件下耐心等待。如果使用命令列與pip安裝的話，是可以明確看到安裝進度的，對於安裝過程非常有疑問的可以用這種方法。

後記

試出的迷一般其他的坑。

如果裝了tensorflow，手賤再安裝tensorflow-gpu，預設會執行tensorflow-gpu。同學那機子不支援CUDA，就開始報錯。而上面的安裝方法的那個列表不支援刪除。可以開啟cmd，輸入pip list，這樣可以看到所有已經安裝的包。pip uninstall tensorflow和pip uninstall tensorflow-gpu就可以刪除這兩個包。然後重新安裝tensorflow。

如果你的電腦是window系統且安裝了兩個python直譯器，比如3.6和2.7，那麼上面點install package的時候會出錯，而且直接在cmd裡使用pip指令也出問題，找不到資源。我老老實實的卸了2.7.

更新：在linux伺服器上同時安裝了python3.6和python2.7，可以互補影響的執行。主要原因在於相關程式的路徑指定。那麼這樣推測，在windows上適當的修改環境變數，可以使得不同版本的python正常工作。

關於：“Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2”的警告是說你的CPU支援AVX2指令集，可以執行的更快，但是這個版本的tensorflow不支援，無視掉就好，或者安裝教程加入遮蔽警告的語句(每次都加多麻煩，反正這個也沒影響，我真的想快就用gpu版或者伺服器了)。

更新：mind/wheels在github上有釋出支援AVX指令集的tensorflow，詳見該篇末尾：