【摘要】 使用Anacoda搭建一个TensorFlow环境
这段时间在参加ModelArts的实战营，ModelArts为AI工程师提供了Notebook功能，可以一站式完成数据准备、模型训练、预测等操作，而且基于GPU训练，速度非常快，就是价格有点贵，我决定自己在笔记本上搭建一个TensorFlow环境，平时可以练练手。
一、安装Anaconda
1、下载Anaconda 3.5.2版本
https://repo.continuum.io/archive/Anaconda3-5.2.0-Windows-x86_64.exe
在安装过程中 注意勾选加入路径到windows环境变量中。
2、安装好了后，运行Anacoda Prompt，执行conda list命令：
可以看到已经安装了numpy、sympy、jupyter等常用的包。
二、安装Tensorflow
目前TensorFlow已经支持支持Python 3.6版本，可以选择 cpu版本和gpu版本，本文主要介绍cpu版本的安装过程：
1、打开Anaconda Prompt，输入清华仓库镜像，
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/conda config --set show_channel_urls yes
2、在Anaconda Prompt，创建一个python3.6的环境，环境名称为tensorflow ，
输入命令如下：
conda create -n tensorflow python=3.6
3、在开始菜单-->Anaconda3-->Anacoda Navigator，点击Environments，可以看到右边tensorflow环境的各种常用包已经安装好了。
4、在Anacoda Prompt下启动tensorflow环境
activate tensorflow
5、安装cpu版本的TensorFlow
pip install --upgrade --ignore-installed tensorflow
可以看到tensorflow cpu版本已经安装好了。
6、测试
下面我们来测试一下是否安装成功
测试代码如下:
(tensorflow) C:UsersMI>python
Python 3.6.2 |Continuum Analytics, Inc.| (default, Jul 20 2017, 12:30:02) [MSC v.1900 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> import tensorflow as tf
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess = tf.Session()
2019-07-13 20:19:32.814107: I tensorflow/core/platform/cpu_feature_guard.cc:142] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2
>>> print(sess.run(hello))
b'Hello, TensorFlow!'
>>> sess.close()从上面可以看到tensorflow 已经成功安装好了
7、在Jupyter里启用tensorflow
当我们在Jupyter环境里执行上面的测试代码时，import tensorflow as tf时 却发现执行失败，
显示：No module named 'tensorflow‘，这是因为我们没有在TensorFlow的环境下打开它们。
在Anoconda Navigator-->Environments-->tensorflow下，选择Not installed，找到Jupyter并勾选安装。
安装好插件后，我们再用上面的例子来试试，先用activate tensorflow 命令激活，打开jupyter notebook:
由于我们使用tensorflow安装了插件，更简便的方法是直接到开始菜单找到 Jupyter Notebook(tensorflow) 运行就可以了
