本文共 2945 字，大约阅读时间需要 9 分钟。

安装Python

Windows下安装TensorFlow只支持Python3.5以上的版本，这里我安装Python3.6，Python的安装可以从官网下载。

例如我安装后的版本如下： pip3 –version

下载tensorflow

在下面的网址下载对应的Python3.6的tensorflow代码。

例如我下载的是tensorflow-1.2.1-cp36-cp36m-win_amd64.whl

使用正确的版本后可以安装。

pip3 install tensorflow-1.2.1-cp36-cp36m-win_amd64.whl

测试你的程序

新建文件：

打开输入 import tensorflow as tf sess = tf.Session() a = tf.constant(10) b= tf.constant(12) print(sess.run(a+b))

成功

手写字体识别程序

# encoding:utf-8import tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_data # 获取数据,number 1 to 10mnist = input_data.read_data_sets('MNIST_data', one_hot=True)  def add_layer(inputs, in_size, out_size, activation_function=None):    with tf.name_scope('layer'):        with tf.name_scope('weights'):            W = tf.Variable(tf.random_normal([in_size, out_size]), name='W')        with tf.name_scope('bias'):            b = tf.Variable(tf.zeros([1, out_size]) + 0.1, name='b')        with tf.name_scope('Wx_plus_b'):            Wx_plus_b = tf.matmul(inputs, W) + b        if activation_function is None:            outputs = Wx_plus_b        else:            outputs = activation_function(Wx_plus_b)        return outputs  def compute_accuracy(v_xs, v_ys):    global prediction    y_pre = sess.run(prediction, feed_dict={xs: v_xs})    corrct_prediction = tf.equal(tf.argmax(y_pre, 1), tf.argmax(v_ys, 1))    accuracy = tf.reduce_mean(tf.cast(corrct_prediction, tf.float32))    result = sess.run(accuracy, feed_dict={xs: v_xs, ys: v_ys})    return result # define placeholder for inputs to networkxs = tf.placeholder(tf.float32, [None, 784])  # 28x28ys = tf.placeholder(tf.float32, [None, 10]) # add output layer, softmax通常用于做classificationprediction = add_layer(xs, 784, 10, activation_function=tf.nn.softmax) # the error between prediction and real datacross_entropy = tf.reduce_mean(-tf.reduce_sum(ys * tf.log(prediction),                                              reduction_indices=[1])) train_step = tf.train.GradientDescentOptimizer(0.5).minimize(cross_entropy) sess = tf.Session() # important stepsess.run(tf.initialize_all_variables()) for i in range(1000):    batch_xs, batch_ys = mnist.train.next_batch(100)    sess.run(train_step, feed_dict={xs: batch_xs, ys:batch_ys})    if i % 50 == 0:       print(compute_accuracy(           mnist.test.images, mnist.test.labels       ))

使用anaconda进行安装

在目录https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/ 下载Anaconda3-5.3.1-Windows-x86_64.exe 安装完成后，创建python3.5环境。 conda create -n tensorflow python=3.5 表示创建成功，打开Anaconda安装目录，我的是C:\Users\Administrator\Anaconda3\envs，会发现多了个tensorflow的文件夹，这就是创建的Tensorflow环境，里面有Python3.5.2相关的dll等

使用这个环境

activate tensorflow 检测当前环境版本，使用这个命令可以知道使用路径。 在网址https://mirrors.tuna.tsinghua.edu.cn/tensorflow/windows/cpu/下载tensorflow-1.2.1-cp35-cp35m-win_amd64.whl

pip install E:\study\python\教材\tensorflow-1.2.1-cp35-cp35m-win_amd64.whl

表示安装Tensorflow库成功。

测试命令，依次输入：Python，import tensorflow as tf

如果没有报错，表示Tensorflow库安装成功。

打开软件进行代码debug

运行

转载地址：http://ldwtb.baihongyu.com/