1 . TensorFlow有两个版本：GPU和CPU版本。GPU版本需要CUDA（需要机器的显卡支持CUDA）和cuDNN，CPU版本不需要安装CUDA和cuDNN。
2. 安装要求：Python版本在3.5 64位及其以上。确保有稳定的网络。确保你的pip版本 >= 8.1。
用 pip -V 查看当前 pip 版本，用 python -m pip install -U pip 升级pip 。
建议安装Anaconda，这个集成了很多的科学计算所必需的库，避免许多依赖问题。
3. 安装Python3.5.4. 下载Download Windows x86-64 executable installer。
双击打开后，第一步要记得勾上add python to Path 选项，意思是把Python的安装路径添加到系统环境变 量的Path变量中。然后选择（customize installation）自定义路径，默认装C盘也可以。
查看python版本为3.5.4， pip版本为9.0.1.（查看命令为pip -V）
4. Google已经将tensorflow打成pip安装包，所以安装命令如下：
# GPU版本
pip3 install --upgrade tensorflow-gpu
# CPU版本
pip3 install --upgrade tensorflow（我安装的是CPU版本）：下载速度不快。很多个包，全部下载完成之后退出到cmd控制台等待输入命令状态。
5. GPU和CPU的本质上用途不同导致的设计原理决定的区别：
GPU的工作大部分就是这样，计算量大，而且要重复很多很多次。就像你有个工作需要算几亿次一百以内加减乘除一样，最好的办法就是雇上几十个小学生一起算，一人算一部分
CPU就像老教授，积分微分都会算，就是工资高，一个老教授资顶二十个小学生，你要是富士康你雇哪个
CPU和GPU因为最初用来处理的任务就不同，所以设计上有不小的区别，而某些任务和GPU最初用来解决的问题比较相似，所以用GPU来算了
-
GPU的运算速度取决于雇了多少小学生，CPU的运算速度取决于请了多么厉害的教授。教授处理复杂任务的能力是碾压小学生的，但是对于没那么复杂的任务，还是顶不住人多。
-
当然现在的GPU也能做一些稍微复杂的工作了，相当于升级成初中生高中生的水平。但还需要CPU来把数据喂到嘴边才能开始干活，究竟还是靠CPU来管的。
