在 Windows 上安装 TensorFlow及遇见的问题

本指南将介绍如何在 Windows 上安装 TensorFlow。虽然这些说明可能也适用于其他 Windows 版本，但我们只在满足以下要求的计算机上验证过这些说明（而且我们只支持在此类计算机上按这些说明操作）：

64 位、x86 台式机或笔记本电脑
Windows 7 或更高版本

确定要安装哪种 TensorFlow

您必须从以下 TensorFlow 类型中选择其一来进行安装：

仅支持 CPU 的 TensorFlow。如果您的系统没有 NVIDIA® GPU，则必须安装此版本。请注意，此版本的 TensorFlow 通常更容易安装（用时通常在 5 或 10 分钟内），所以即使您拥有 NVIDIA GPU，我们也建议先安装此版本。预编译的二进制文件将使用 AVX 指令。
支持 GPU 的 TensorFlow。TensorFlow 程序在 GPU 上的运行速度通常要比在 CPU 上快得多。因此，如果您的系统配有满足以下所示先决条件的 NVIDIA® GPU，并且您需要运行性能至关重要的应用，则最终应安装此版本。

运行支持 GPU 的 TensorFlow 所需满足的要求

如果您要使用本指南描述的其中一种方式安装支持 GPU 的 TensorFlow，就必须在系统上安装以下 NVIDIA 软件：

CUDA® 工具包 9.0。如需了解详情，请参阅 NVIDIA 的文档。请务必按照 NVIDIA 文档中的说明将相关的 CUDA 路径名附加到 %PATH% 环境变量上。
与 CUDA 工具包 9.0 相关联的 NVIDIA 驱动程序。
cuDNN v7.0。如需了解详情，请参阅 NVIDIA 文档。请注意，cuDNN 通常安装在与其他 CUDA DLL 不同的位置。请务必将 cuDNN DLL 的安装目录添加到 %PATH% 环境变量上。
CUDA 计算能力为 3.0 或更高的 GPU 卡（用于从源代码编译），以及 CUDA 计算能力为 3.5 或更高的 GPU 卡（用于安装我们的二进制文件）。如需了解支持的 GPU 卡的列表，请参阅 NVIDIA 文档。

如果您的某个软件包不同于上述版本，请改为指定的版本。特别是，cuDNN 版本必须完全匹配：如果无法找到 cuDNN64_7.dll，TensorFlow 就不会加载。要使用不同版本的 cuDNN，您必须从源代码构建。

确定如何安装 TensorFlow

您必须选择安装 TensorFlow 的方式。目前可支持如下几种方式：

“原生”pip
Anaconda

原生 pip 会直接在您的系统上安装 TensorFlow，而不是通过虚拟环境。原生 pip 安装并未隔离在单独的容器中进行，因此可能会干扰系统中其他基于 Python 的安装。但是，如果您熟悉 pip 和您的 Python 环境，通常只需一条命令即可进行原生 pip 安装。此外，如果使用原生 pip 安装，用户可以从系统上的任何目录运行 TensorFlow 程序。

在 Anaconda 中，您可以使用 conda 来创建一个虚拟环境。但是，在 Anaconda 内部，我们建议使用 pip install 命令来安装 TensorFlow，而不要使用 conda install 命令。

注意：conda 软件包是由社区提供支持的，并没有任何官方支持。也就是说，TensorFlow 团队既不测试也不维护 conda 软件包。若使用该软件包，您需要自行承担相关风险。

使用原生 pip 进行安装

如果您的计算机上未安装以下某个 Python 版本，请立即安装：

在 Windows 上，TensorFlow 支持 Python 3.5.x 和 3.6.x。请注意，Python 3 附带有 pip3 软件包管理器，您需使用此程序来安装 TensorFlow。

要安装 TensorFlow，请启动终端。然后在该终端中发出正确的 <tt style="box-sizing: inherit;">pip3 install</tt> 命令。要安装仅支持 CPU 的 TensorFlow 版本，请输入以下命令：

C:\> pip3 install --upgrade tensorflow

要安装 GPU 版本的 TensorFlow，请输入以下命令：

C:\> pip3 install --upgrade tensorflow-gpu

安装成功后

验证您的安装
启动终端。

如果您是通过 Anaconda 进行安装，请激活您的 Anaconda 环境。

从 cmd 中调用 Python，如下所示：

C:\Users\majia>python

在 Python 交互式 shell 中输入以下几行简短的程序代码：

>>> import tensorflow as tf
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess = tf.Session()
>>> print(sess.run(hello))

如果系统输出以下内容，说明您可以开始编写 TensorFlow 程序了：

Hello, TensorFlow!

如果在执行代码中出现

image.png

解决办法：
在最顶行写入

import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'

如下图所示