今天分享一下本人在筆記本上配置TensorFlow環境的過程。
說明
電腦配置：
- Acer筆記本
- CPU Inter Core i5-6200U
- GPU NVIDIA GeForce 940M(忽略掉我的渣渣GPU)
- Windows10
所需的環境：
- Anaconda3(64bit)
- CUDA-8.0
- CuDNN-5.1
- Python-3.6
- TensorFlow 或者 TensorFlow-gpu
首先安裝Anaconda3
我們從官網下載(https://www.anaconda.com/download/#windows)，也可以使用我上傳百度網盤的版本，鏈接：https://pan.baidu.com/s/1dGEC57z 密碼：2om4
使用Linux的小夥伴可以同樣下載Linux版本的Anaconda，之後我會再做補充的。
下載好後，我們進入安裝界面：
這裏，我們把兩個都選上，第一個是加入環境變量，因爲我之前安裝過一次所以這裏提示不要重複添加，第二個是默認的Python3.6，讓後Install。
在完成Anaconda的安裝後，我們打開Anaconda的命令行(最好用管理員身份運行，否則可能會有權限的問題)：
我們可以看到一個和Windows命令行很像的一個窗口：
安裝CUDA和CuDNN
這裏爲安裝GPU版本的TensorFlow做準備，CPU版本可跳過此部分。
CUDA是NVIDIA推出的運算平臺，CuDNN是專門針對Deep Learning框架設計的一套GPU計算加速方案。雖然在之後用conda命令安裝tensorflow-gpu時會自動安裝cudatoolkit和cudnn，但是我總覺得自己安裝一遍比較放心。
我所用的CUDA和CuDNN分享到百度網盤了，鏈接：https://pan.baidu.com/s/1dGEC57z 密碼：2om4
先安裝CUDA
打開首先先解壓：
這裏我們選擇自定義，因爲我們只安裝CUDA
只選擇CUDA其他組件不安裝，否則會安裝失敗
這裏可能會提示你安裝Visual Studio，忽略掉就好了
然後就開始安裝了，等待安裝結束就好了。
解壓cudnn的壓縮包裏面有三個文件夾
把這三個文件夾複製到你cuda的安裝目錄下，我的地址是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0
這樣CUDA和CuDNN就安裝好了。
創建TensorFlow環境
我們在剛剛打開的命令行裏輸入命令(conda的命令大家可以在這篇博客中找到http://blog.csdn.net/fyuanfena/article/details/52080270)：
conda create -n tensorflow_gpu python=3.6
中間會讓我們確認一下，輸入個y回車就好了。安裝好後會給我們提示用activate，和deactivate進行環境的切換。
我們先切換到創建好的環境中：
activate tensorflow_gpu
現在，基本環境已經配置好了，我們要安裝一些重要的Python科學運算庫，Anaconda已經爲我們準備好的一系列常用的Python苦，例如numpy，pandas，matplotlib等等，所以我們只需要安裝一次anaconda庫就可以把這些庫全部安裝好。
conda install anaconda
可以看到，真的有好多常用庫。
安裝TensorFlow
之後就是我們最重要的一步，安裝TensorFlow：
CPU版本
conda install tensorflow
GPU版本
conda install tensorflow-gpu
這樣我們的TensorFlow環境已經配置好了。
測試
最後，我們進入jupyter notebook(Anaconda自帶的Python IDE，自我感覺挺好用的)輸入一段官方文檔錄入的代碼測試一下：
直接輸入jupyter notebook，回車
運行上面的命令之後，你將看到類似下面這樣的輸出：
[I 20:06:36.367 NotebookApp] Writing notebook server cookie secret to /run/user/1000/jupyter/notebook_cookie_secret
[I 20:06:36.813 NotebookApp] Serving notebooks from local directory: /home/your_username
[I 20:06:36.813 NotebookApp] 0 active kernels
[I 20:06:36.813 NotebookApp] The IPython Notebook is running at: http://localhost:8888/
[I 20:06:36.813 NotebookApp] Use Control-C to stop this server and shut down all kernels (twice to skip confirmation).
同時，會在你開啓 notebook 的文件夾中啓動 Jupyter 主界面，如下所示：
如果想新建一個 notebook，只需要點擊New，選擇你希望啓動的 notebook 類型即可。
這裏，因爲我只有一個 Python 內核，所以我們運行一個 Python notebook。在新打開的標籤頁中，我們會看到 notebook 界面，目前裏面什麼也沒有。
notebook 界面由以下部分組成：
- notebook 的名稱
- 主工具欄，提供了保存、導出、重載 notebook，以及重啓內核等選項
- 快捷鍵
- notebook 主要區域，包含了 notebook 的內容編輯區
慢慢熟悉這些菜單和選項。如果想要詳細瞭解有關 notebook 或一些庫的具體話題，可以使用菜單欄右側的幫助菜單。
下方的主要區域，由被稱爲單元格的部分組成。每個 notebook 由多個單元格構成，而每個單元格又可以有不同的用途。
下方截圖中看到的是一個代碼單元格（code cell），以[ ]開頭。在這種類型的單元格中，可以輸入任意代碼並執行。例如，輸入1 + 2並按下Shift + Enter。之後，單元格中的代碼就會被計算，光標也會被移動動一個新的單元格中。你會得到如下結果：
根據綠色邊框線，我們可以輕鬆地識別出當前工作的單元格。接下來，我們在第二個單元格中輸入些其他代碼，例如：
for i in range(5):
print(i)
對上面的代碼求值時，你會得到：
和前一個示例一樣，代碼被計算之後，馬上就會顯示結果。你應該注意到了，這次沒有出現類似Out[2]這樣的文字。這是因爲我們將結果打印出來了，沒有返回任何的值。
notebook 有一個非常有趣的特性，就是可以修改之前的單元格，對其重新計算，這樣就可以更新整個文檔了。試着把光標移回第一個單元格，並將1 + 2修改成2 + 3，然後按下Shift + Enter重新計算該單元格。你會發現結果馬上就更新成了 5。如果你不想重新運行整個腳本，只想用不同的參數測試某個程式的話，這個特性顯得尤其強大。不過，你也可以重新計算整個 notebook，只要點擊Cell -> Run all即可。
import tensorflow as tf
hello = tf.constant('Hello,TensorFlow!')
sess = tf.Session()
print(sess.run(hello))- 1
- 2
- 3
- 4
恭喜，你的TensorFlow已經可以用了，接下來快搭建你自己的神經網絡吧~！
如果在此時報錯的話 把代碼複製到下一行再運行就行了