首先声明几点：
安装tensorflow是基于Python的，并且需要从Anaconda仓库中下载。
所以我们的步骤是：先下载Anaconda，再在Anaconda中安装一个Python，(你的电脑里可能本来已经装了一个Python环境，但是Anaconda中的Python是必须再装的)，然后再下载安装tensorflow。
因为anaconda支持的python版本与TensorFlow支持的python版本不一致可能会导致安装出错，因此下载时候一定不能下载最新版本的anaconda，要先查询下tensorflow支持python哪个版本再下。
我安装的是：Anaconda3-4.0.0-Windows-x86_64.exe和Python3.5。
一，安装Anaconda
安装需要注意：
win+R进入windows中的命令模式，运行cmd：
输入：conda --version检测anaconda环境是否安装成功.
如图表示安装成功
二，安装Tensorflow
安装Tensorflow，在Anaconda Prompt中输入：condacreate -n tensorflow python=3.5
在这里找到Anaconda Prompt
一般情况下下载会很慢，大概率会失败，因为一般默认链接的都是国外镜像地址，下载肯定很慢。
改一下链接镜像的地址：打开安装好的Anaconda中的 Anaconda Prompt，然后输入：
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urlsyes
这两行代码用来改成连接清华镜像的。直接一同复制后粘贴到Anaconda Prompt命令行就行：
打开C:\Users\自己用户名\.condarc文件：
删除两行代码：
ssl_verify: true
- defaults
然后在Anaconda Prompt中输入：condacreate -n tensorflow python=3.5.2
开始下载插件
此时，便开始下载各个插件，如果显示安装失败，则关闭窗口，重新打开在命令框输入：conda clean --lock
接着重新输入condacreate -n tensorflow python=3.5.2
下载插件完成
输入activate tensorflow切换了，就代表安装成功了。
我们要安装的是CPU版本，那么在命令下紧接着输入：
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow
如果无法下载，请留言
这一步如果出现：
如果无法下载，请留言
因为pip的版本需更新，安装提示输入指令：python -m pip install --upgrade pip'就可以了
接下来最后一步——测试：
在Anaconda Prompt窗口中输入： python
进入python后依次输入：
import tensorflowas tf
sess= tf.Session()
a= tf.constant(10)
b= tf.constant(12)
sess.run(a+b)
运行结果22，就代表你已经完全安装好Tensorflow了。
如果还遇到其他一些奇怪的错误，随时留言我们可以一起探讨。。。。。。。。。。。。。。。。。。

我正在安装tensorflow r0.11。我试过了pip install tensorflow==r0.11
pip install tensorflow<0.12
但我知道这个错误Could not find a version that satisfies the requirement tensorflow==0.11.0 (from versions: 0.12.0rc0, 0.12.0rc1, 0.12.0, 0.12.1)
No matching distribution found for tensorflow==0.11.0
我假设pip不再支持非擦写版本，我如何才能得到它？
我也试过了pip install git+git://github.com/tensorflow/tensorflow@r0.11
Cloning git://github.com/tensorflow/tensorflow (to r0.11) to /private/var/folders/1p/7km73m0s2cvdfb1js3ct8_mh0000gn/T/pip-JMMIRP-build
Complete output from command python setup.py egg_info:
Traceback (most recent call last):
File "", line 1, in 
IOError: [Errno 2] No such file or directory: '/private/var/folders/1p/7km73m0s2cvdfb1js3ct8_mh0000gn/T/pip-JMMIRP-build/setup.py'
----------------------------------------
Command "python setup.py egg_info" failed with error code 1 in /private/var/folders/1p/7km73m0s2cvdfb1js3ct8_mh0000gn/T/pip-JMMIRP-build/

win10 + anaconda3 + python3.6 如何安装tensorflow + keras
首先，创建一个新的环境，这个环境适合python3.5使用；
然后，创建名tensorflow的环境，并安装python3.5;
接着，激活tensorflow;
第四步，在tensorflow环境中，安装tensorflow1.2版本；
第五步，继续安装keras库；
最后，测试tensorflow库和keras库是否安装成功，这里是安装成功的。
注：此过程在网络较好的情况下进行，过程较长，请耐心等待。


初入深度学习，就遇到了困难，一直安装不了tensorflow和keras库！！！真是让人着急！！！在经过无数次尝试，看了无数篇博客之后，终于安装上了。下面是具体的安装步骤。

首先，创建一个新的环境，这个环境适合python3.5使用；
conda create -n py35 python=3.5 anaconda

如果在创建过程中出现如下错误
RemoveError: 'setuptools' is a dependency of conda and cannot be removed from conda's operating environment

按下面步骤进行：

第一步，卸载setuptools库；
pip uninstall setuptools

第二步，重新安装setuptools库；
conda install setuptool

然后，创建名tensorflow的环境，并安装python3.5;
conda create -n tensorflow python=3.5




接着，激活tensorflow;
conda activate tensorflow



在此步结束之后，可使用 conda info --envs 语句查看conda环境，看tensorflow环境是否创建成功，这里是已经创建成功的情况。


第四步，在tensorflow环境中，安装tensorflow1.2版本；

第五步，继续安装keras库；
pip install keras




最后，测试tensorflow库和keras库是否安装成功，这里是安装成功的。

如果在import tensorflow时出现以下错误

(1)第一种错误:


但conda list 中包含tensorflow库，按一下步骤进行：

首先，升级setuptools库；
pip install --upgrade -I setuptools

然后，重新安装tensorflow库。
pip install --upgrade --ignore-installed tensorflow

(2)第二种错误：



将numpy版本降低：
pip install numpy==1.16

注：此过程在网络较好的情况下进行，过程较长，请耐心等待。

win10系统基于python的gpu版tensorflow库超详细安装教程
前言
前置知识
cuda和cudnn安装
tensorflow-gpu安装
用anaconda安装
用pip安装
keras安装
在pycharm中以gpu方式编译运行tensorflow+keras代码

前言
先介绍需要安装的硬件基础cuda和cudnn，然后介绍如何下载python的tensorflow-gpu和keras库，最后实现在pycharm下编译运行。安装tensorflow-gpu和keras有两种方法，一种是用anaconda一种是用pip。用pip安装也有两种方法，一种是直接在命令行运行pip install tensorflow-gpu，一种是离线安装。
前置知识

Keras是一个模型级的库，为开发深度学习模型提供了高层次的构建模块。它不处理张量操作、求微分等低层次的运算。相返，它依赖于一个专门的、高度优化的张量库来完成这些运算，这个张量库就是Keras的后端引擎。目前Keras有三个后端实现：TensorFlow、Theano和CNTK。


使用gpu版tensorflow的前提是电脑上有显卡是N卡，因为大部分A卡的GPU是不支持cuda的。然后再看N卡的计算能力是否大于3.0，可以在任务管理器中的性能一栏查看GPU型号，然后在显卡计算能力表查看对应的计算能力。


cuda是NVIDIA推出的通用并行计算架构，cudnn是用于深度神经网络的GPU加速库。cuda需要跟要下载的tensorflow_gpu版本对应，cudnn不仅要跟tensorflow_gpu版本对应还要跟cuda版本对应，因为cudnn是cuda的扩展计算库。具体对应如下图：


进入cmd运行pip list查看安装过哪些库，出现numpy或者一些名称包含tensor的库需要先用pip uninstall库名卸载，因为下载安装tensorflow-gpu库会自带这些东西，如果原来已经有的话可能发生冲突。
电脑需要visual c++ 2015运行库。

cuda和cudnn安装
1、cuda官网下载链接，要根据下载的tensorflow-gpu版本下载对应的cuda版本，我下载的是cuda10.1对应tensorflow-gpu2.1.0。下载完是一个exe文件，直接点击运行，会自行安装，安装时会让你选择一个文件夹作为抽取文件临时存放，记住这不是安装文件夹，安装路径会自动指定，临时文件夹安装完后会自动删除。安装完后，环境变量会自动添加。打开cmd，运行nvcc --version出现提示信息表示安装成功。





2、cudnn官网下载链接，进去之后找到对应的版本，点击Download，他会要你注册登录，然后填个问卷，才可以下载，这一步自行按照网站提示做就可以了。提交完问卷后，就可以点击下载了。注意cudnn的版本不仅要跟tensorflow-gpu对应还要跟cuda对应。下载完之后得到一个压缩包，解压出来有三个文件夹，接下来需要将cudnn与cuda进行链接，也就是把cudnn三个文件夹中的文件复制到CUDA相应文件夹的下面。


tensorflow-gpu安装
用anaconda安装
有想要通过anaconda安装的可以看这个b站视频，里面讲得很详细并且使用了清华镜像进行高速下载。
用pip安装
使用pip进行安装有两种方式，一种是直接在cmd里运行pip install tensorflow-gpu==2.1.0，==2.1.0是指定要下载的版本号，默认下载最新版本，如果觉得下载速度太慢可以加一个镜像路径pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu=2.1.0；另一种是通过python库的官方网站pypi.org下载离线安装包，虽说是离线安装但还是需要有网络，因为还需要下载一些依赖。如果官网下载太慢我这里提供百度网盘链接tensorflow-gpu2.1.0win离线安装包，提取码8bzu。

1、进入cmd，运行python查看python版本。



2、进入pypi.org(python库的官方网站)，输入搜索内容tensorflow_gpu查看相应信息，确定需要安装哪个版本。



最好不要选择带有PRE_RELEASE字样的。可以看到目前最新版本为2.2.0，但是由于我个人只能查到2.1.0版本对应的cuda和cudnn，所以我选择下载2.1.0的。



python version那一列的cp37表示对应的python版本为3.7，然后根据自己的python版本及系统选择一个进行下载，可以看出linux支持32位和64位但是windows只支持64位。

3、进入cmd，输入pip install 空格然后将下载好的安装包用鼠标拖到cmd中按下enter开始安装。



4、如果安装过程出现一堆红字且里面有显示PermissionError或者Permission denied则需要以管理员身份运行cmd重新进行安装，推荐使用PowerShell。使用PowerShell不能将离线安装包拖进来，只能手动输入安装包所在的位置。



5、如果安装过程出现类似ERR:google-auth 1.15.0 has requirement setuptools>=40.3.0,but you’ll have setuptools 39.0.1 which is incompatible的错误，则用pip install --ignore-installed+安装包位置重新安装，具体参考这里。
keras安装
进入cmd运行pip install keras。
在pycharm中以gpu方式编译运行tensorflow+keras代码
1、第一种方法是在源代码中添加下列两行代码，指定要使用的gpu。
import os
# 指定使用0,1,2三块卡
os.environ["CUDA_VISIBLE_DEVICES"] = "0,1,2" 

2、第二种是通过编辑配置来实现。





3、CUDA_VISIBLE_DEVICES的值表示要用哪几个有cuda的显卡gpu来运行，比如我的电脑上只有一张N卡，所以这个值应该为0，就像数组索引一样，从0开始。