笔者之前在学习TensorFlow，也在自己的笔记本上完成了安装，在PyCharm中进行学习。但是最近为了使用python的科学计算环境，我把之前的环境卸载了，并用Anaconda重新安装了TensorFlow，由于自己的笔记本已经很旧了，显卡不行，所以这里介绍一下cpu版本的安装方法和自己遇到的一些坑，截图甚多。
 
这里直接上干货：
 
1.安装Anaconda
 
选择相应的Anaconda进行安装，进入Anaconda的官网，下载对应系统版本的Anaconda，官网现在的版本是Anaconda 4.3.1 for python3.6。笔者安装的是4.3.0版本的。
 
 
就和安装普通的软件一样，全部选择默认即可，注意勾选将python3.6添加进环境变量。
 
 
这样Anaconda就安装好了，我们可以通过下面的命令来查看Anaconda已经安装了哪些包。
 运行 开始菜单->Anaconda3—>Anaconda Prompt ：
 
conda list
 
可以看到已经安装了numpy、sympy等常用的包。
 
2.安装Tensorflow
 
TensorFlow目前在Windows下只支持Python 3.5版本。
 
（1）打开Anaconda Prompt，输入清华仓库镜像，这样更新会快一些：
 
 
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes
 
（2）同样在Anaconda Prompt中利用Anaconda创建一个python3.5的环境，环境名称为tensorflow ，输入下面命令：
 
conda create -n tensorflow python=3.5
 
运行 开始菜单->Anaconda3—>Anaconda Navigator，点击左侧的Environments，可以看到tensorflow的环境已经创建好了。
 
 
 
（3）在Anaconda Prompt中启动tensorflow环境：
 
activate tensorflow
 
 
 
 
注：当不使用tensorflow时，关闭tensorflow环境，命令为：deactivate
 
 
（4）安装cpu版本的TensorFlow
 
pip install --upgrade --ignore-installed tensorflow
 
 
 
注：这里没有介绍GPU版本的安装方法，GPU版本需要安装cuda8+cudnn5，如需要的请搜索其他博文。
 
 
这样tensorflow cpu版本就安装好了。
 
（5）测试tensorflow
 在Anaconda Prompt中启动tensorflow环境，并进入python环境。
 
 测试代码如下:
 
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))
 
运行结果：
 
 
3.其他问题
 
或许到这里我们并没有满足，我们在Anaconda自带的ipython 和Spyder中import tensorflow的时候一直失败，提示 No module named ‘tensorflow’，如下图，那是因为我们没有在tensorflow的环境下打开它们。
 
 
为了能在ipython 和Spyder中使用tensorflow，我们需要在tensorflow的环境中安装这两个的插件。
 
打开Anaconda Navigator，选择Not installed，找到 ipython和Spyder并安装，笔者这里已经安装好，所以在这个页面没有显示。
 
 
切换到installed，可以看到两个都已经安装好，其实可以按照自己的需要安装。下图显示已经安装好的Spyder:
 
 
安装好插件后，我们需要测试一下。
 
在Anaconda Prompt中启动tensorflow环境，并运行ipython，import tensorflow发现成功:
 
 
同样，在Anaconda Prompt中启动tensorflow环境，并运行Spyder，等一会儿后会启动Spyder IDE，import tensorflow 同样成功:
 
 
 
 
 
注意：一定要启动tensorflow 环境下的Spyder才可以import tensorflow，不要去开始菜单运行Spyder，在那里是无法运行的，如：
 
 
 
 
欢迎登陆官网（附https://tensorflow.google.cn/）了解更多 TensorFlow 内容，也可关注 TensorFlow 官方公众号获取更多资讯。
 

Anaconda介绍
 
Anaconda指的是一个开源的Python发行版本，其包含了Python、conda等180多个科学包及其依赖项。 因为包含了大量的科学包，Anaconda 的下载文件比较大。
 这么说可能有点抽象，大家可以直接把Anaconda理解为一个python的傻瓜捆绑包。
 为什么要安装Anaconda?
 Anaconda对于python初学者而言及其友好，相比单独安装python主程序，选择Anaconda可以帮助省去很多麻烦，Anaconda里添加了许多常用的功能包，如果单独安装python，这些功能包则需要一条一条自行安装，在Anaconda中则不需要考虑这些，同时Anaconda还附带捆绑了两个非常好用的交互式代码编辑器（Spyder、Jupyter notebook）。
 
 
Anaconda下载
 
下载地址：https://www.anaconda.com/download/
 
 Anaconda 是跨平台的，有 Windows、macOS、Linux 版本，我们这里以 Windows 版本为例，点击那个 Windows 图标。
 
我这里选择下载
 
Python 3.7 version *–Python 3.7 版 *
 
64-Bit Graphical Installer (486 MB) --64位图形安装程序（点击Download默认下载64-bit版本）
 
当然，你也可以根据自己的实际情况或者使用习惯，选择 Python 2.7版的，或者 32-Bit 版本的。
 
安装包有 486MB，因为网速的关系，下载时间可能会比较长，请耐心等待。我这里下载完成 Anaconda3-2019.07-Windows-x86_64.exe文件了。
 
 anaconda每隔几个月会更新一次，我这次下载的是2019年7月更新的，不同版本大小可能不一样，大家下载最新的就行了。
 
安装 Anaconda
 
打开下载好的 Anaconda3-2019.07-Windows-x86_64.exe文件，出现如下界面。
 
 没什么好说的，点击 Next 即可。
 
 用户协议，点击 I Agree。
 
 Install for:
 
 Just me
 All Users
 
假如你的电脑有好几个 Users ，才需要考虑这个问题。其实我们电脑一般就一个 User，就我们一个人使用，如果你的电脑有多个用户，选择All Users。不管是选择哪个，后续的安装流程都是相同的，所以不用在这里太过纠结，这里直接选择Just Me，然后继续点击 Next 。
 
 选择安装路径，这里建议装在C盘，也就是默认安装位置。（我的用户名是50454，大家选择Just me之后，路径就会自动选择在自己的windows账户下，默认是Administrator）安装完大概3个G，如果C盘空间很紧张也可以装在其他盘，但将来我们在使用时在读取速率上可能会有一定的影响。选择好了之后点击Next
 
 接下来是重中之重，第一个选项是添加环境变量，默认是没有勾选的，请务必勾选上，如果这里不勾选，后续安装完成后想要自行添加环境变量会非常麻烦。勾选完后点击 Install 安装。如果忘了勾选可以卸载重装。
 
 安装时间根据你的电脑配置而异，电脑配置高，硬盘是固态硬盘，速度就更快。安装过程其实就是把 安装文件 里压缩的各种 dll 啊，py 文件等，全部写到安装目标文件夹里。完成后点击Next。
 
 这里是pycharm的一个推广，pycharm是一个代码编辑器，在代码编辑器中编辑代码会给予根据不同语法自动缩进以及高亮显示等。
 没有需求的话可以不用管，最后一步了，继续点Next。
 
 Finish完成。（那两个 √ 可以取消。）
 安装完成后在开始菜单会多出一个快捷方式，也就是Anaconda下的4个子程序：
 
 其中Anaconda Prompt 就是我们的cmd，打开后如下：
 
 这里默认应该是黑底白字，我设置成了白底黑字这样看起来不那么压抑。
 
键入python --version 回车，查看当前安装的python版本
 我们也可以通过键入python 回车进入python解释器
 
 进入python解释器键入print('hellow world')运行试试看
 然后键入exit()退出python解释器。
 
 
安装第三方包
 
以requests示例
 在cmd中输入
 conda install requests
 或者
 pip install requests
 来安装requests包.
 安装完成之后我们键入python进入解释器并import requests包, 这次一定就是成功的.
 
 
尾声
 
安装Anaconda的流程到此为止，jupyter是一个很好用的交互式python环境，强烈推荐大家在编写脚本时使用。
 
 除此之外还建议大家安装一个仅用来阅读py文件的代码编辑器，因为写代码主要还是用jupyter，但jupyter作为一个交互式编辑器，对静态文件的阅读效果则还是有些强差人意，代码编辑器都大同小异，大家可以根据自己的喜好来选择（我用的是atom，其实用起来都差不多）

conda 安装
 
bash 傻瓜式安装
 
next –> next –> next
 
国内镜像
 
请看链接 有步骤……
 
https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/
 
常用命令
 
创建多python环境
 
将conda的环境变量写入~/bashrc
 

常用命令
conda create --name project_env python=3.6
conda info -envs

source activate project_env
deactivate
conda install -n project_env numpy
conda update -n project_env numpy

需要默认环境
conda install -n project_env anaconda
conda create -n project_env python=3.6 anaconda

conda list -n project_env

删除已有环境
conda remove --name project_env --all

其他命令

conda config --show
conda 移除镜像源
conda config --remove channels 'https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/' 


 
实践
 
➜  ~ conda info -e
# conda environments:
#
res_test                 /Users/lishulong/anaconda3/envs/res_test
root                  *  /Users/lishulong/anaconda3

➜  ~ conda remove --name res_rest --all

CondaEnvironmentNotFoundError: Could not find environment: res_rest .
You can list all discoverable environments with `conda info --envs`.

➜  ~ source activate res_test
(res_test) ➜  ~ python -V
Python 3.6.2 :: Continuum Analytics, Inc.
(res_test) ➜  ~ deactivate
Error: deactivate must be sourced. Run 'source deactivate'
instead of 'deactivate'.

(res_test) ➜  ~ source deactivate



➜  ~ conda remove --name res_test --all

Package plan for package removal in environment /Users/lishulong/anaconda3/envs/res_test:

The following packages will be REMOVED:

    certifi:    2016.2.28-py36_0 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
    openssl:    1.0.2l-0         https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
    pip:        9.0.1-py36_1     https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
    python:     3.6.2-0          https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
    readline:   6.2-2            https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
    setuptools: 36.4.0-py36_1    https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
    sqlite:     3.13.0-0         https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
    tk:         8.5.18-0         https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
    wheel:      0.29.0-py36_0    https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
    xz:         5.2.3-0          https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
    zlib:       1.2.11-0         https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free

Proceed ([y]/n)? y

➜  ~ conda info -e
# conda environments:
#
root                  *  /Users/lishulong/anaconda3

➜  ~ 

可见 激活后才可以remove

前言
 
本文旨在详细介绍Anaconda 以及 如何在Anaconda上更换python版本。
 
备注： 根据读者建议，这里明确如下：
 标题中的“在Anaconda上更换python版本”实际上是指：通过创建新的环境，得到自己想要的Python版本环境，而非在现有的环境中修改Python版本（这个应该也比较简单，参考我另外一篇博客：在当前conda env（conda环境）内修改Python的版本（升级或者降级），当然，仅供参考）。
 
1 Anaconda具体是用来干什么的
 
根据其主页介绍：https://www.anaconda.com/what-is-anaconda/
 
 
 
Anaconda - The Most Popular Python Data Science Platform
 Anaconda Distribution - With over 6 million users, the open source Anaconda Distribution is the fastest and easiest way to do Python and R data science and machine learning on Linux, Windows, and Mac OS X. It’s the industry standard for developing, testing, and training on a single machine.
 
 
Anaconda是最流行的数据科学平台。但这个还不能解释性质上的问题。
 
根据wiki百科，https://en.wikipedia.org/wiki/Anaconda_(Python_distribution)
 
 
 
Anaconda is a free and open source[5] distribution of the Python and R programming languages for data science and machine learning related applications (large-scale data processing, predictive analytics, scientific computing), that aims to simplify package management and deployment. Package versions are managed by the package management system conda.[6] The Anaconda distribution is used by over 6 million users, and it includes more than 250 popular data science packages suitable for Windows, Linux, and MacOS.[5]
 
 
这下就更清楚了，Anaconda是一个免费，开源的针对数据科学处理和机器学习相关应用的Python和R语言的发行版。Anaconda发行版被6百万人使用，而且它包括了超过250个流行的数据科学处理包（适用于各个平台）。
 
 
 
Anaconda distribution comes with more than 1,000 data packages as well as the Conda package and virtual environment manager, called Anaconda Navigator [7], so it eliminates the need to learn to install each library independently.
 
 
Anaconda = 超过1000个数据包 + Conda package + virtual environment manager （即 Anaconda Navigator）。
 这样的话，anaconda在管理包上是很方便的。
 
 
 
The open source data packages can be individually installed from the Anaconda repository [8] with the conda install command or using the pip install command that is installed with Anaconda. Pip packages provide many of the features of conda packages and in most cases they can work together.
 
 
原来pip和conda可以work together。
 
 
 
The default installation of Anaconda2 includes Python 2.7 and Anaconda3 includes Python 3.7. However, you can create new environments that include any version of Python packaged with conda [10].
 
 
虽然默认安装，但是我们可以用conda来创造python版本新环境。
 
对anaconda navigator的介绍：
 
 
 
Anaconda Navigator is a desktop graphical user interface (GUI) included in Anaconda distribution that allows users to launch applications and manage conda packages, environments and channels without using command-line commands. Navigator can search for packages on Anaconda Cloud or in a local Anaconda Repository, install them in an environment, run the packages and update them. It is available for Windows, macOS and Linux.
 

 The following applications are available by default in Navigator [11]:
 JupyterLab
 Jupyter Notebook
 QtConsole
 Spyder
 Glueviz
 Orange
 Rstudio
 Visual Studio Code
 
 
原来anaconda navigator是干这个的，用来管理包，安装、运行应用。
 
对conda的介绍：
 
 
 
Conda is an open source,[12] cross-platform,[13] language-agnostic[14] package manager and environment management system[15][16][17] that installs, runs, and updates packages and their dependencies.[12] It was created for Python programs, but it can package and distribute software for any language (e.g., R), including multi-language projects.[14] The Conda package and environment manager is included in all versions of Anaconda, Miniconda,[18] and Anaconda Repository.[8]
 
 
conda最开始用来配置python，但是实际上可以配置任何语言的包。很酷。
 
关于anaconda cloud的介绍：
 
 
 
Anaconda Cloud is a package management service by Anaconda where you can find, access, store and share public and private notebooks, environments, and conda and PyPI packages. Cloud hosts useful Python packages, notebooks and environments for a wide variety of applications. You do not need to log in or to have a Cloud account, to search for public packages, download and install them.
 

 You can build new packages using the Anaconda Client command line interface (CLI), then manually or automatically upload the packages to Cloud.
 
 
维基百科是真的给力，通过上述介绍，anaconda，conda，anaconda navigator的概念和作用就很明了了。
 
2 conda，pip，anaconda，miniconda的区别
 
网页https://www.quora.com/What-is-the-comparison-among-conda-vs-pip-vs-anaconda 很好的回答了四种概念的区别：
 
1）conda：
 
 
 
conda is a package management tool for installing scientific and analytical computing packages, which may be written in Python or other programming languages.
 

 conda also creates a virtual environment, like python-virtualenv does.
 
 
2）anaconda：
 
 
 
conda is the package manager of Anaconda. Anaconda is a free Python distribution provided by Continuum Analytics, which includes over 195 of the most popular Python packages for science, math, engineering and data analysis.
 

 (Anaconda is a set of about a hundred packages including conda, numpy, scipy, ipython notebook, and so on.)
 
 
3）miniconda：
 
 
 
You installed Miniconda, which is a smaller alternative to Anaconda that is just conda and its dependencies (as opposed to Anaconda, which is conda and a bunch of other packages like numpy, scipy, ipython notebook, etc.). Once you have Miniconda, you can easily install Anaconda into it with conda install anaconda. )
 
 
4）pip and conda：
 
 
 
pip is a general purpose Python package installer. In addition, python-pip and python3-pip are in the default Ubuntu repositories. In most cases you would choose pip instead of conda if you want to install a Python package management application. To create a Python virtual environment without installing conda, you can install python-virtualenv from the Ubuntu Software Center.
 

 pip and conda use different packaging formats so they do not operate interchangeably, but you can use both tools side by side.
 
 
看完这些描述，我总结一下：
 conda是anaconda下面的一个包，也是一个包管理工具。anaconda则是一个python发行版本，包含有conda在内的各种包。miniconda就是只包含conda和conda的依赖，对于其他包，可以用conda装。pip是python 包下载管理工具，conda的话不仅是python 包下载管理工具，还可以下载其他语言的包（比如R语言），当然conda和pip是可以一起用的。
 
原来如此。想知道更多关于conda的，请见[4]
 
3 anaconda中的几个应用介绍
 
打开anaconda navigator，发现有一些应用：
 

 
 
 

 
根据网页https://www.jianshu.com/p/eaee1fadc1e9 介绍：
 Anaconda Navigtor ：用于管理工具包和环境的图形用户界面，后续涉及的众多管理命令也可以在 Navigator 中手工实现。
 Jupyter notebook ：基于web的交互式计算环境，可以编辑易于人们阅读的文档，用于展示数据分析的过程。
 qtconsole ：一个可执行 IPython 的仿终端图形界面程序，相比 Python Shell 界面，qtconsole 可以直接显示代码生成的图形，实现多行代码输入执行，以及内置许多有用的功能和函数。
 spyder ：一个使用Python语言、跨平台的、科学运算集成开发环境。
 
4 如何在anaconda下改变python的版本
 
根据网页：http://python.jobbole.com/87522/
 
使用以下命令创建新环境： 
 conda create -n env_name list of packages
 
其中 -n 代表 name，env_name 是需要创建的环境名称，list of packages 则是列出在新环境中需要安装的工具包。
 
比如我现在的python版本是3.7，但是我想安装一个python 3.6的环境，则在anaconda prompt输入：
 conda create -n py36 python=3.6
 
控制台会输出：
 

 
 
 

 
以及
 
# To activate this environment, use
#
#     $ conda activate py36
#
# To deactivate an active environment, use
#
#     $ conda deactivate
 
还是很酷很方便的。
 
现在激活这个新配置的环境：conda activate py36
 输入python --version，可以看到：
 
(py36) C:\Users\dehen>python --version
Python 3.6.6 :: Anaconda, Inc.

(py36) C:\Users\dehen>
 
这时候打开anaconda navigator，发现多出来一个环境选择，太酷了。
 
 
这时候install 这个spyder就可以运行3.6版本下的程序了。
 
 
索性再配置一个python2.7的新环境：conda create -n py27 python=2.7
 很快就显示配置完成并输出提示：
 
# To activate this environment, use
#
#     $ conda activate py27
#
# To deactivate an active environment, use
#
#     $ conda deactivate
 
所以，这样看来确实很方便，各个环境互相独立，都放在文件夹 D:\software\anaconda\envs 下：
 
 
还有，如果要删除我们配置的新环境，则：
 conda env remove -n env_name
 
显示所有环境：
 conda env list
 
当分享代码的时候，同时也需要将运行环境分享给大家，执行如下命令可以将当前环境下的 package 信息存入名为 environment 的 YAML 文件中。[6]
 conda env export > environment.yaml
 
同样，当执行他人的代码时，也需要配置相应的环境。这时你可以用对方分享的 YAML 文件来创建一摸一样的运行环境。
 conda env create -f environment.yaml
 
参考文献
 
[1] what-is-anaconda. https://www.anaconda.com/what-is-anaconda/
 [2] Anaconda (Python distribution). https://en.wikipedia.org/wiki/Anaconda_(Python_distribution)
 [3] What is the comparison among conda vs pip vs anaconda? https://www.quora.com/What-is-the-comparison-among-conda-vs-pip-vs-anaconda
 
 
[4]
 中文网页：
 Anaconda、Miniconda、Conda、pip的相互关系. http://blog.sina.com.cn/s/blog_8a122dcf0102x9vn.html
 
原英文网页：
 Conda: Myths and Misconceptions. https://jakevdp.github.io/blog/2016/08/25/conda-myths-and-misconceptions/
 
[5] Anaconda完全入门指南. https://www.jianshu.com/p/eaee1fadc1e9
 
 
[6] 致Python初学者：Anaconda入门使用指南. http://python.jobbole.com/87522/