写在最前：
在安装过程中遇到很多坑，一开始自己从官网下载了Python3.6.3或者Python3.6.5或者Python3.7.1等多个版本，然后直接pip install tensorflow或者从https://www.lfd.uci.edu/~gohlke/pythonlibs/下载制定的tensorflow版本，但都没有成功，在测试过程总会出现“Failed to load the native TensorFlow runtime”之类的错误，甚至为了版本来源的统一，在https://www.lfd.uci.edu/~gohlke/pythonlibs/上统一下载了numpy+MKL，scipy，matplotlib以及scikit-learn并按顺序安装，但结果仍不尽人意
最终，终于在把电脑里所有的python版本以及对应的软件全部卸载之后，按照下面的方法成功安装tensorflow
注意：直接安装Anaconda即可，不需要事先安装python
一、前言
本次安装tensorflow是基于Python的，安装Python的过程不做说明（既然决定按，Python肯定要先了解啊）：本次教程是windows下Anaconda安装Tensorflow的过程（cpu版，显卡不支持gpu版的...）
二、安装环境
（tensorflow支持的系统是64位的，windows和linux，mac都需要64位）
windows7（其实和windows版本没什么关系，我的是windows7，安装时参照的有windows10的讲解）
Python3.5.2（之前电脑上是安装的就是这个版本，如果你安装了，不知道版本的话可以在命令窗口输入"python --version",会显示你已安装的Python的版本号，如果事先没有安装也没关系，Anaconda会自带Python，无需自己再安装）
Anaconda3-4.2.0-Windows-x86_64.exe (windows下安装注意选择windows x86 64位就好)
三、Anaconda3-4.2.0-Windows-x86_64.exe
下载可以去官网上下载，直接搜索找与你电脑对应的版本就好，我个人习惯从清华镜像网站下载，网址https://mirrors.tuna.tsinghua.edu.cn/tensorflow/windows/cpu/
下载完成后直接安装就行，步骤如下图所示：
自己用，就选择Just me
选择习惯的存储盘
下面两个全部选上，点Install安装就好了
验证Anaconda是否安装成功的方法：
命令窗口中输入“conda --version” ----->得到conda 4.2.0
看到了这个结果，恭喜你，你已经成功的安装上了Anaconda了，那么我们继续。
四、安装Tensorflow
安装Tensorflow时，需要从Anaconda仓库中下载，一般默认链接的都是国外镜像地址，下载肯定很慢啊（跨国呢！），这里我是用国内清华镜像，需要改一下链接镜像的地址。这里，我们打开刚刚安装好的Anaconda中的 Anaconda Prompt，然后输入：
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ 再接着输入：
conda config --set show_channel_urls yes这两行代码用来改成连接清华镜像的
接下来安装Tensorflow，在Anaconda Prompt中输入：
conda create -n tensorflow python=3.5.2一下图片是安装过程，有些坑我也写出来，注意一下就好：
正常的情况应该如下：
等待，然后输入“y”
然后
看到上面这些activate tensorflow（这么直白的英语，看看是不是很激动，）恭喜你，tensorflow你已经安装成功啦，去激活一下，紧接着输入：“activate tensorflow”就Ok了
我们要安装的是CPU版本，那么在命令下紧接着输入：
pip install -U tensorflow-gpu -i https://pypi.tuna.tsinghua.edu.cn/simple
你也可以自己选择对应的Tensorflow版本，可以在清华镜像中查看
经过一小会的等待，当你看见如上图最后一行时，那么，恭喜你，你已经安装成功了，是不是很惊喜，是不是很激动，是不是想测试一下呢，那么我们先测试一下吧
五、测试
在Anaconda Prompt窗口中输入： python
进入python后输入：
import tensorflow as tf sess = tf.Session() a = tf.constant(10) b= tf.constant(12) sess.run(a+b)
得到如下结果：
好了，到这里你可以放心了，你可以使用Tensorflow了