tensorflow对Linux及MacOS系统十分友好，官网和各大论坛有着极其详细的介绍。本人最近在安装tensorflow时发现网上关于Windows系统下安装教程少而且杂，便写此篇博客，总结一下本人安装tensorflow走过的弯路。
1.开发环境
（1）Windows10
（2）vs2017+Anaconda（电脑是64位就装64位版本）
2.1创建虚拟环境安装（推荐）
打开cmd命令行
（1）安装virtualenv包（创建虚拟环境）
输入 pip3 install -U pip virtualenv
（2）创建一个新的虚拟环境，方法是选择 Python 解析器并创建一个 ./venv 目录来存放它：
输入 virtualenv --system-site-packages -p python3 ./venv
（3）激活虚拟环境：
输入 .\venv\Scripts\activate
（4）在不影响主机系统设置的情况下，在虚拟环境中安装软件包。首先升级 pip：
输入 pip install --upgrade pip
输入 pip list # show packages installed within the virtual environment
（5）安装tensorflow
输入： pip install --upgrade tensorflow
（6）验证
输入：python -c “import tensorflow as tf; tf.enable_eager_execution(); print(tf.reduce_sum(tf.random_normal([1000, 1000])))”
（7）退出virtualenv环境
输入： deactivate # don’t exit until you’re done using TensorFlow
2.2win10系统下安装
（1）首先升级 pip：
输入 pip install --upgrade pip
输入 pip list *# show packages installed within the virtual environment
（2）安装tensorflow
输入： pip3 install --user --upgrade tensorflow # install in $HOME
（3）验证
输入：python3 -c “import tensorflow as tf; tf.enable_eager_execution(); print(tf.reduce_sum(tf.random_normal([1000, 1000])))”
小插曲：
安装完测试后，大概率会出现如图所示情形
Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2
意思是：你的CPU支持AVX2而你的tensorflow版本不支持AVX2（手动滑稽）有两种解决办法：
1.只是一个警告而已，没什么大问题，自己忽略就好了。或者加代码忽略，眼不见心不烦。
（完全可以，因为某些教程上也会出现这一句warring）
2.彻底解决，寻找适合我们系统的tensorflow版本：（1）卸载原来版本的tensorflow
pip3 uninstall tensorflow
pip list #检查是否删除成功
（2)github走一波（能找到这个项目真的是走运！）
https://github.com/fo40225/tensorflow-windows-wheel
根据自己的配置寻找合适的包下载至本地
（3）将相应的包放置合适的位置，否则如图所示：
ERROR后面的路径即为合适的位置。
（4）pip install + 文件名下载
（其实从tensorflow官网可以得到，我第一次下载的是不知道配合谁的1.14.0版本，并不能很好的配合我的电脑配置）
最终，没有提示啦！成功！！
但此时，仍无法使用我们好用的VS进行tensorflow代码的编译，为什么呢?我们在命令行中看一下tensorflow包的位置，是不是恍然大悟？包在刚刚那个目录下面而根本没有在Anaconda的目录下。
此时只需要将tensorflow包移动到Anaconda相应目录下即可啦。移动后，目录如图所示：
在VS中编译一波：
终于用VS进行编译啦，开心！小提醒：
1.若在pip过程中出现timeout而下载中止，如图
则先输入命令行：
pip3 --default-timeout=100 install -U 库名
再输入命令行：
pip3 install 库名
2.部分情况下会出现pip3命令无法使用，此时将pip3改为pip即可。
3.同时下载tensorflow–gpu版本后，编译时默认先使用gpu版本。
