TensorFlow安装和下载（超详细）

本节将介绍在不同的操作系统（Linux、Mac和Windows）上如何全新安装 TensorFlow 1.3。

首先了解安装 TensorFlow 的必要要求，TensorFlow 可以在 Ubuntu 和 macOS 上基于 native pip、Anaconda、virtualenv 和 Docker 进行安装，对于 Windows 操作系统，可以使用 native pip 或 Anaconda。

Anaconda 适用于这三种操作系统，安装简单，在同一个系统上维护不同的项目环境也很方便，因此本教程将基于 Anaconda 安装 TensorFlow。

有关 Anaconda 及其环境管理的更多详细信息，请参考https://conda.io/docs/user-guide/index.html。

本教程中的代码已经在以下平台上进行了测试：

Windows 10，Anaconda 3，Python 3.5，TensorFlow GPU，CUDA toolkit 8.0，cuDNN v5.1，NVDIA GTX 1070
Windows 10/Ubuntu 14.04/Ubuntu 16.04/macOS Sierra，Anaconda 3，Python 3.5，TensorFlow（CPU）

TensorFlow安装准备工作

TensorFlow 安装的前提是系统安装了 Python 2.5 或更高版本，教程中的例子是以 Python 3.5（Anaconda 3 版）为基础设计的。为了安装 TensorFlow，首先确保你已经安装了 Anaconda。可以从网址（https://www.continuum.io/downloads）中下载并安装适用于 Windows/macOS 或 Linux 的 Anaconda。

安装完成后，可以在窗口中使用以下命令进行安装验证：

conda --version

安装了 Anaconda，下一步决定是否安装 TensorFlow CPU 版本或 GPU 版本。几乎所有计算机都支持 TensorFlow CPU 版本，而 GPU 版本则要求计算机有一个 CUDA compute capability 3.0 及以上的 NVDIA GPU 显卡（对于台式机而言最低配置为 NVDIA GTX 650）。

CPU 与 GPU 的对比：中央处理器（CPU）由对顺序串行处理优化的内核（4～8个）组成。图形处理器（GPU）具有大规模并行架构，由数千个更小且更有效的核芯（大致以千计）组成，能够同时处理多个任务。

对于 TensorFlow GPU 版本，需要先安装 CUDA toolkit 7.0 及以上版本、NVDIA【R】驱动程序和 cuDNN v3 或以上版本。Windows 系统还另外需要一些 DLL 文件，读者可以下载所需的 DLL 文件或安装 Visual Studio C++。

还有一件事要记住，cuDNN 文件需安装在不同的目录中，并需要确保目录在系统路径中。当然也可以将 CUDA 库中的相关文件复制到相应的文件夹中。