TensorFlow在2/28/2018已經發布了1.6版，詳細發布說明參考 Release TensorFlow 1.6.0，最新版能很好的支持在window平台上的安裝與運行調試，根據系統的硬件顯卡，提供了GPU及CPU版本，本文使用Anaconda來安裝TensorFlow CPU環境，如果想安裝GPU版本，需先確認顯卡是否支持CUDA
1：安裝Anaconda
Anaconda是一個集成許多第三方科學計算庫的 Python 科學計算環境,Anaconda 使用 conda 作為自己的包管理工具,同時具有自己的計算環境，類似 Virtualenv。直接訪問Anaconda官網，選擇合適的Python版本，我的系統是win7 64位，故選擇64-Bit Graphical Installer
安裝完成后，在系統菜單里可以找到Anaconda3，
點擊Anoconda Prompt進入命令行界面，可以運行conda的命令，具體命令可以參考Anaconda官方教程，如查看conda 版本：conda --version
2：安裝TensorFlow
創建一個conda環境，名字是tensorflow，執行命令： conda create -n tensorflow python=3.6.4
激活環境，執行命令:conda activate tensorflow
退出當前環境：conda deactivate
激活tensorflow環境后，使用pip安裝TensorFlow： pip install tensorflow
3：驗證TensorFlow是否安裝成功
- 在激活tensorflow后，進入python，執行命令: import tensorflow as tf
- 執行命令：conda list，可以查看當前環境下安裝的軟件包，下圖顯示安裝了最新的TensorFlow版本1.6
- Jupyter工具驗證：
Jupyter Notebook是一個交互式的筆記本，在Anaconda中已經提供支持了，進入conda tensorflow環境，運行pip install jupyter，或者在Anaconda Navigator中選擇相應的tensorflow，然后再安裝jupyter，安裝完后，在命令行中執行jupyter notebook，將啟動一個本地網站，點擊右上角的按鈕New，創建一個新的Python 3項目
輸入tensorflow的語句，然后執行，可以看到輸出結果：
- spyder工具驗證：
spyder是一個Python的集成開發環境，進入到Anaconda Navigator，如下所示，如果沒有安裝spyder，則先安裝
點擊Launch，進入到spyder界面，輸入命令做一個簡單的矩陣相乘
4：MNIST示例
MNIST 數據集來自美國國家標准與技術研究所（National Institute of Standards and Technology (NIST)），訓練集 (training set) 由來自 250 個不同人手寫的數字構成，其中 50% 是高中學生，50% 來自人口普查局 (the Census Bureau) 的工作人員，測試集(test set) 也是同樣比例的手寫數字數據。
MNIST的數據可以從http://yann.lecun.com/exdb/mnist/ 獲取，它包含了四個部分：
- Training set images: train-images-idx3-ubyte.gz (9.9 MB, 解壓后 47 MB, 包含 60,000 個樣本)
- Training set labels: train-labels-idx1-ubyte.gz (29 KB, 解壓后 60 KB, 包含 60,000 個標簽)
- Test set images: t10k-images-idx3-ubyte.gz (1.6 MB, 解壓后 7.8 MB, 包含 10,000 個樣本)
- Test set labels: t10k-labels-idx1-ubyte.gz (5KB, 解壓后 10 KB, 包含 10,000 個標簽)
將下載的數據集保存到代碼的目錄中Mnist_data
- Spyder運行Mnist示例：
TensorFlow代碼可以從地址 （https://github.com/tensorflow/tensorflow/blob/r0.11/tensorflow/examples/tutorials/mnist/mnist_softmax.py）獲取，也可以選擇最新的版本，以下截圖是選擇的r0.11版本，在Spyder里打開文件mnist_softmax.py，直接運行，在右側可以看到輸出結果0.9187
- Jupyter 運行Mnist示例
我們也可以在Jupyter Notebook中來運行mnist_softmax.py，首先從Anaconda Prompt窗口激活tensorflow環境，然后運行jupyter notebook，
在瀏覽器new一個Python3 Notebook，通過交互式方式輸入命令並執行，可以看到相應的輸出結果，如下圖所示：
下面是下載的TensorFlow tutorial代碼的簡單說明：
mnist_softmax.py： MNIST機器學習入門
mnist_deep.py： 深入MNIST
fully_connected_feed.py：TensorFlow運作方式入門
mnist_with_summaries.py：Tensorboard訓練過程可視化
參考：
https://my.oschina.net/chkui/blog/888346
https://mp.weixin.qq.com/s/VlvQmrS7Qi2qq6fTBXKTYw