TensorFlow在2/28/2018已经发布了1.6版，详细发布说明参考 Release TensorFlow 1.6.0，最新版能很好的支持在window平台上的安装与运行调试，根据系统的硬件显卡，提供了GPU及CPU版本，本文使用Anaconda来安装TensorFlow CPU环境，如果想安装GPU版本，需先确认显卡是否支持CUDA
1：安装Anaconda
Anaconda是一个集成许多第三方科学计算库的 Python 科学计算环境,Anaconda 使用 conda 作为自己的包管理工具,同时具有自己的计算环境，类似 Virtualenv。直接访问Anaconda官网，选择合适的Python版本，我的系统是win7 64位，故选择64-Bit Graphical Installer
安装完成后，在系统菜单里可以找到Anaconda3，
点击Anoconda Prompt进入命令行界面，可以运行conda的命令，具体命令可以参考Anaconda官方教程，如查看conda 版本：conda --version
2：安装TensorFlow
创建一个conda环境，名字是tensorflow，执行命令： conda create -n tensorflow python=3.6.4
激活环境，执行命令:conda activate tensorflow
退出当前环境：conda deactivate
激活tensorflow环境后，使用pip安装TensorFlow： pip install tensorflow
3：验证TensorFlow是否安装成功
- 在激活tensorflow后，进入python，执行命令: import tensorflow as tf
- 执行命令：conda list，可以查看当前环境下安装的软件包，下图显示安装了最新的TensorFlow版本1.6
- Jupyter工具验证：
Jupyter Notebook是一个交互式的笔记本，在Anaconda中已经提供支持了，进入conda tensorflow环境，运行pip install jupyter，或者在Anaconda Navigator中选择相应的tensorflow，然后再安装jupyter，安装完后，在命令行中执行jupyter notebook，将启动一个本地网站，点击右上角的按钮New，创建一个新的Python 3项目
输入tensorflow的语句，然后执行，可以看到输出结果：
- spyder工具验证：
spyder是一个Python的集成开发环境，进入到Anaconda Navigator，如下所示，如果没有安装spyder，则先安装
点击Launch，进入到spyder界面，输入命令做一个简单的矩阵相乘
4：MNIST示例
MNIST 数据集来自美国国家标准与技术研究所（National Institute of Standards and Technology (NIST)），训练集 (training set) 由来自 250 个不同人手写的数字构成，其中 50% 是高中学生，50% 来自人口普查局 (the Census Bureau) 的工作人员，测试集(test set) 也是同样比例的手写数字数据。
MNIST的数据可以从http://yann.lecun.com/exdb/mnist/ 获取，它包含了四个部分：
- Training set images: train-images-idx3-ubyte.gz (9.9 MB, 解压后 47 MB, 包含 60,000 个样本)
- Training set labels: train-labels-idx1-ubyte.gz (29 KB, 解压后 60 KB, 包含 60,000 个标签)
- Test set images: t10k-images-idx3-ubyte.gz (1.6 MB, 解压后 7.8 MB, 包含 10,000 个样本)
- Test set labels: t10k-labels-idx1-ubyte.gz (5KB, 解压后 10 KB, 包含 10,000 个标签)
将下载的数据集保存到代码的目录中Mnist_data
- Spyder运行Mnist示例：
TensorFlow代码可以从地址 （https://github.com/tensorflow/tensorflow/blob/r0.11/tensorflow/examples/tutorials/mnist/mnist_softmax.py）获取，也可以选择最新的版本，以下截图是选择的r0.11版本，在Spyder里打开文件mnist_softmax.py，直接运行，在右侧可以看到输出结果0.9187
- Jupyter 运行Mnist示例
我们也可以在Jupyter Notebook中来运行mnist_softmax.py，首先从Anaconda Prompt窗口激活tensorflow环境，然后运行jupyter notebook，
在浏览器new一个Python3 Notebook，通过交互式方式输入命令并执行，可以看到相应的输出结果，如下图所示：
下面是下载的TensorFlow tutorial代码的简单说明：
mnist_softmax.py： MNIST机器学习入门
mnist_deep.py： 深入MNIST
fully_connected_feed.py：TensorFlow运作方式入门
mnist_with_summaries.py：Tensorboard训练过程可视化
参考：
https://my.oschina.net/chkui/blog/888346
https://mp.weixin.qq.com/s/VlvQmrS7Qi2qq6fTBXKTYw