python本身是分为2.x版本和3.x版本。我自己同时装了两个版本，2.7和3.6。

python的安装是去python官网下载与自己电脑对应的版本。在安装的时候勾选上add to path，再选择自定义安装可以更改安装路径。也可以手动添加环境变量。

安装目录下的python.exe就是用到的python解释器。安装了两个不同的版本，要想在命令行中加以区分的话，再更改一下python.exe的名字，我的3.x版本改成了python3.exe，2.x版本改成了python2.exe，在命令行中调用的时候，用3版本就输入python3，用2版本就输入python2。

可以不用提前安装python，直接后面用anaconda的环境即可。

anaconda是一个python的发行版本，就像ubuntu是Linux的一个发行版本。anaconda里有很多的工具包，集成了各种依赖包、模块等，可以直接使用。anaconda装好了以后会有一个自带的虚拟环境base。本次配置的目的是创建一个新的虚拟环境叫tensorflow，在这个新的虚拟环境中装好tensorflow的包。

tensorflow是一个机器学习的框架，本次配置的目的是在anaconda中创建一个虚拟的tensorflow环境，后面再pycharm中开发的时候可以直接使用这个环境。tensorflow也是有1.x和2.x的版本。tengsorflow提供python语言下的四个版本：cpu，gpu，以及他们的每日发行版本。一般只用注意cpu版本和gpu版本。 选择哪个版本可以参考 https://blog.csdn.net/qiancaobaicheng/article/details/95226499 。

在使用的时候，python+tensorflow+anaconda的版本有一个相互适配的关系。 python与anaconda的版本适配：https://blog.csdn.net/yuejisuo1948/article/details/81043823 python与tensorflow的版本适配：https://blog.csdn.net/qq_41621362/article/details/89196753 最终我选择：anaconda3-5.0.0 + python3.6.2 + tensorflow1.12.0

win（64bit）下anaconda和python的安装包分享如下： 链接：https://pan.baidu.com/s/1orWvz2_xNGGHWHzHfZbz1g 提取码：ccgh ​

​ 其他版本的下载链接：https://repo.anaconda.com/archive/

就是正常软件的安装，这里我也勾选了把anaconda添加到环境变量即使他不建议。这样后面在命令行中配置的时候比较方便。如果之前安装过python，第二个选上也是没有关系的。

​ 测试一下是否安装成功。在windows的cmd中输入：

如果出现版本信息，就是安装成功了。可以再输入以下命令查看当前有哪些虚拟环境：

上图中的root就是anaconda自带的虚拟环境，后面是路径。其实这个自带的虚拟环境应该叫base，可能是我的anaconda版本太老了？如果有大佬知道原因的话可以交流以下。

安装成功以后在 开始–anaconda下会有几个软件。

后面会用到的是anaconda prompt，使用方法是cmd是一样的。 anaconda navigator是一个可视化的界面。从anaconda navigator的environment中也可以看到当前有什么虚拟环境。

以上，anaconda就算安装好了。

从开始菜单里，打开anaconda 下的anaconda prompt。会看到如下的界面：

前面括号里的内容应该是base，也就是那个anaconda自带的虚拟环境。我这里显示的是我的anaconda自带的虚拟环境root的路径，前面提到过。 前面的括号里显示的就是当前操作的虚拟环境。要对哪个虚拟环境安装依赖包之类的操作，首先就是进入这个环境，也就是激活，不用了以后需要退出这个环境，正在使用的环境也可以从anaconda navigator的environment中查看。下面几个命令是常用的（在anaconda prompt中使用）： 查看所有的环境：conda env list 激活环境：activate 环境名字 退出环境：deactivate 环境名字 创建虚拟环境：conda create -n 虚拟环境名字 python=版本号 查看当前环境已经安装的包：conda list

先更新成清华的源，这样下载比较快，在conda prompt里执行： 第一条命令的意思是添加Chanels，第二条命令的意思是从channel中安装依赖包时显示url，便可知道包的安装来源。

执行结果如下：

这个源在anaconda navigator有可视化的：

下面就开始创建一个基于python3.6的名字叫做tensorflow的虚拟环境：

安装过程中选y一直进行即可。有如下显示时就是安装成功了。

可以再用之前介绍的conda info --envs 来看一下已经安装的虚拟环境。

也可以从之前介绍的可视化的anaconda navigator的environment来看是否安装成功。

既然是在这个虚拟环境中安装，所以需要先进入到名为tensorflow的虚拟环境中。打开anaconda prompt，输入以下命令激活这个环境：

前面括号里的内容变成了tensorflow，说明已经进入这个环境了。然后再这个环境中安装tensorflow1.12.0。安装的时候有两种方式，一种是conda install，一种是 pip install，两种区别有很多，其中pip install不会努力确保同时满足所有软件包的依赖关系，可能导致环境以微妙的方式破坏。相反，conda使用可满足性（SAT）求解器来验证是否满足环境中安装的所有软件包的所有要求。

用以上命令会安装很多相关的依赖。我在用pip安装了一次以后又用这种方式安装了一次，这种方式安装的话后续出的问题会比较少。但是时间有点久。在以后需要别的版本的tensorflow的时候，可以从pycharm更新，pycharm可以直接指定版本，但是有时候会显示不全，就可以用这条命令更新tensorflow。用这条命令更新的好处就是相关的包也会更新到需要的版本，不需要自己出错了再手动更新，其次用这条命令更新的时候要注意先用anaconda prompt激活当前的虚拟环境。 下面是另一种安装，就是单纯的安装tensorflow，依赖包不全面。

用这条命令安装的话就是通过pip install安装的。我安装的途中报错了，提示说升级pip，就用它给出的命令升级了pip。 如果安装tensorflow的最后出现了以下则说明安装成功了：

验证一下是否安装成功，则在这个环境下输入python进入交互式，然后输入import tensorflow as tf ，我的报错了。

错误内容： Passing (type, 1) or ‘1type’ as a synonym of type is deprecated; in a future version of numpy, it will be understood as (type, (1,)) / ‘(1,)type’. _np_qint8 = np.dtype([(“qint8”, np.int8, 1)]) 这个错误指出了dtypes.py这个文件的这些行中的(type,1)过时了，所以一个办法就是升级numpy，另一个办法就是把这个文件中的出错的这几行改成它提示的(type,(1,))。我选择了后一个办法。 找到这个文件，文件出错的内容如下，都在框起来的1这里：

把这些1后面加个逗号，然后用小括号括起来，注意都是英文符号。更改后如下：

保存一下，再执行import tensorflow as tf就可以了。验证过程如下：

会输出tensorflow的版本就算是成功了。

在anaconda navigator中也可以看到都安装了什么包，版本是多少：

pycharm是个python的IDE。所以在需要用tensorflow的项目里指定我们刚才建好的虚拟环境里的python.exe即可。 需要知道虚拟环境tensorflow的路径，前面提到的语句 conda info --envs 可以查看路径。

pycharm 的 file—setting：

找到左侧的project interpreter，看到右边是当前使用的python解释器，点后面的螺丝一样的按钮add别的解释器：

在existing environment中，点后面那三个点，找到创建的虚拟环境tensorflow中的python.exe就是需要添加的解释器。

然后就可以看到当前的环境中是有tensorflow的。

以上就算把整个环境配置好了。

前面的话那么多，其实是为了更好的理解当前正在做什么。 首先需要选定一个相互匹配的版本，不然后续会很麻烦。 总结一下在真正安装tensorflow的时候其实很简单： 先是换源：

再创建一个基于python3.6的名字叫做tensorflow的虚拟环境：

激活这个环境：

用conda install或者pip install安装tensorflow的包：

参考链接： https://zhuanlan.zhihu.com/p/56210706 https://blog.csdn.net/qq_16633405/article/details/79941696 https://blog.csdn.net/qq_41621362/article/details/89196753 https://www.jianshu.com/p/eaee1fadc1e9 https://www.cnblogs.com/gshang/p/12033628.html