在Windows下安装TensorFlow和Keras

学习深度学习最简单的方式就是以Anaconda安装，安装TensorFlow 必须安装Python，
而安装 python 最简单的方式就是使用软件包来安装。Anaconda 是一个 Python 的发行
版，其中包含大量的标准数学和科学计算软件包。安装 Anaconda 软件包时会同时安装
很多软件包，包括 Jupyter Notebook， Numpy， SciPy， Matplotlib， Pandas 这 5 个
用于数据分析，科学计算的常用软件包。

1 安装 Anaconda3-5.1.0-Windows-x86_64.exe，之前用的版本，也可以下载更新的版本。 绝大多数都选用默认选项即可，遇到下图所示的把两个都勾选就可以了

anaconda历史版本下载

3.5.3.0版本
链接：https://pan.baidu.com/s/1dQSvpJmSlLEvTpClgbCOvA
提取码：9l42
最好安装在默认文件夹下，否则后面会出现找不到包路径问题

此外，在安装的过程中如果提示安装 VS，则最好将 VS 也一并安装，如果提示未联网则
选择忽略就可以。

2. 在开始菜单里，找到 Anaconda3（64-bit），右键 Anaconda Prompt 以管理员权限打开。

3. 启动 Anaconda 后，需要安装各种软件包，而目前国内的网络相对还是比较封闭，很多境外站点的映像还都无法顺利下载，那么首先要做的就是更新软件默认的下载映像，目前可用的是清华的映像，但也不保证以后都一直好用，如下所示

在命令行下输入如下指令切换到清华大学映像，并再确认使用这个映像。

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ 
conda config --set show_channel_urls yes 
1
2

删除镜像

conda config --remove channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
1

很无奈不能用了，找到更新一下
阿里镜像亲测可以，就是慢一点

4. 建立 TensorFlow 的 Anaconda 虚拟环境

为什么要使用 Anaconda 虚拟环境安装 TensorFlow，这是因为在一台计算机中，我们通
常需要安装很多软件，但每个软件所需要的 Python 的关联模块或版本都不相同，这就
可能造成兼容性冲突，其中在某个应用下安装的部分模块没有问题，但是换成另外一个
应用再安装模块可能导致之前的模块不好用，为了解决这个问题，我们可以使用
Anaconda 虚拟环境来安装，让网站框架与 TensorFlow 分别安装在不同的虚拟环境中，
这样就不会有版本不一致的冲突了，就好像我们在电脑上安装了多个虚拟机的操作系统
一样，大家相安无事互不干扰。
此外，CPU 和 GPU 训练所需的 TensorFlow 也不一样，有了虚拟环境就可以同时保留两
个版本的 TensorFlow 了。

1) 建立工作目录

在命令行下建立并切换到工作目录
md \pythonwork
cd \pythonwork

2) 建立 TensorFlow Anaconda 虚拟环境

conda create --name tensorFlow python=3.6.4 anaconda
其中：
conda create 是建立虚拟环境
–name tensorFlow 是建立虚拟环境的名字，也可以任意其他名字
python=3.6.4 是选用 python 的版本，命令行下敲入 python 可以查看版本
anaconda：当加入此命令选项，建立虚拟环境时，也会同时安装其他 python 软件
包 Jupyter Notebook， Numpy， SciPy， Matplotlib， Pandas 等，如果没有此选
项就会建立一个空的虚拟环境，必须由用户自己再逐个安装其他软件包。

按下 Y 键，就开始安装 Anaconda 虚拟环境，并安装各个软件包。如下所示：

5. 启动 Anaconda 虚拟环境

建立 TensorFlow 的 Anaconda 虚拟环境后，就可以启动这个虚拟环境了。在命令提示
符窗口下输入下列命令：
activate tensorFlow
其中 tensorFlow 是之前建立虚拟环境的名字。

命令提示符中出现 tensorFlow 表示已经启动 tensorFlow 虚拟环境了。

6. 安装 TensorFlow

之前更新完映像后，执行如下指令下载 TensorFlow
pip install tensorflow -i https://pypi.tuna.tsinghua.edu.cn/simple
如果提示 pip 版本过低，使用下面指令更新 pip，否则无法正确安装 TensorFlow
python -m pip install --upgrade pip -i https://pypi.tuna.tsinghua.edu.cn/simple
如果不成功多尝试几次下载指令，如果实在不行就只能翻墙下载了。

7. 安装 Keras

安装完 TensorFlow 后安装 Keras，指令如下所示：
pip install keras -i https://pypi.tuna.tsinghua.edu.cn/simple

8. 启动 Jupyter Notebook

Jupyter Notebook 具备交互式界面，在建立 TensorFlow 和 Anaconda 虚拟环境时，也
同时安装了 Jupyter Notebook，所以不需要特意的安装 Jupyter Notebook，直接启动就
可以了。
切换到工作目录，后续 Jupyter Notebook 读取与存盘都会在此工作目录下。确认已经
启动 TensorFlow 的 Anaconda 虚拟环境，因为我们之前已经安装 TensorFlow 和 Keras
是在虚拟环境中，如果尚未启动这个虚拟环境就打开 Jupyter Notebook，那么执行
TensorFlow 与 Keras 程序会出现 ModuleNotFounError 错误。
cd \pythonwork ---------------- 之前已经创建了
activate tensorFlow
jupyter notebook

9. 建立新的 Notebook

新建 Jupyter Notebook 后会打开浏览器新的页面，默认名称是 Untitled，可以通过单击
Untitled 来修改 Notebook 的名称。

10. 导入 TensorFlow 模块并查看 TensorFlow 的版本

import tensorflow as tf 
tf.__version__
1
2

==(注意是双下划线) ==

11. 导入 Keras 模块并查看 Keras 的版本

import keras 
keras.__version__ 
1
2

因为已经同时安装了 Keras 与 TensorFlow，所以导入 Keras 模块后，我们可以看到 Keras
自动以 TensorFlow 作为 Backend。

12 保存并关闭 Notebook

13. 打开之前保存的 Notebook

回到 Jupyter 网页，可以看到之前保存的 Test1.ipynb，如果要再次打开这个 Notebook，
单击即可。

14关闭 Jupyter 浏览器和 Jupyter Notebook

关闭浏览器后，回到命令提示符窗口，按下 Ctrl+C 组合键即可关闭 Jupyter Notebook。

15. 关闭 TensorFlow 的 Anaconda 虚拟环境

执行如下指令直接退出：
deactivate