实验1：环境部署——Windows下安装配置tensorflow和tflearn

本例依赖Windows 7 x64位系统，由于Tensorflow依赖于Python，以及大量的相关依赖包，为了免除大量依赖包的安装，选择安装Anaconda集成环境（该环境包含了大量开发包），并在Anaconda下创建虚拟环境来安装Python 3.5版本的tensorflow和tflearn深度学习开发包。

首先，下载最新版Anaconda 3（https://www.continuum.io/downloads），值得注意的是安装时不要勾选注册Python 3.6（因为tensorflow默认需要Python3.5支持），可勾选添加环境变量。当然，也可以直接下载内含Python 3.5版本的Anaconda3-4.2.0-Windows-x86_64.exe（https://repo.continuum.io/archive/）。

然后，在Windows菜单下，找到Anaconda目录中的Anaconda Prompt菜单，并右击“以管理员身份打开”启动，以获得管理员权限执行后续指令。

注意，以下步骤（步骤7除外）全部在Anaconda Prompt终端中完成。

步骤1：设置国内仓库镜像

为了加快下载速度，设置国内的仓库镜像（如清华、科大等）。在Anaconda Prompt中，设置国内清华的仓库镜像，命令如下：

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

conda config--set show_channel_urls yes

步骤2：创建虚拟环境

在Anaconda中，可以创建虚拟环境以支持Tensorflow所需的依赖环境，如Python 3.5，命令如下：

conda create-n tensorflow python=3.5

其中，-n tensorflow表示指定虚拟环境名为tensorflow，python=3.5表示指定python版本。该过程会自动下载Python 3.5，根据网络情况可能会需要等待一段时间。

若希望删除一个创建的虚拟环境，可执行如下命令：

conda remove-n tensorflow --all

步骤3：激活虚拟环境

虚拟环境是Anaconda独立开辟的一个环境，为了使用该环境进行开发，需要在开发前激活该环境，命令如下：

activatetensorflow

在开发完成后，可关闭虚拟环境，命令如下：

deactivate tensorflow

步骤4：安装TensorFlow

在tensorflow虚拟环境下，根据机器是否自带GPU，选择安装不同tensorflow版本，具体命令如下：

GPU版本

pip installtensorflow-gpu

CPU版本

pip installtensorflow

值得注意的是，GPU版本需要提前安装CUDA和CUDNN。初学者建议安装CPU版本，避免很多复杂的环境配置和操作。

步骤5：测试Tensorflow安装是否成功

在tensorflow虚拟环境下，输入python命令后会进入python编译环境，输入命令：

importtensorflow as tf

若无报错，则表示安装成功；否则，根据错误提示重新安装。

步骤6：安装Spyder插件

为了便于后期的编程开发，建议安装Spyder IDE插件。由于步骤1至步骤5安装的Tensorflow是在tensorflow虚拟环境中完成的，故Spyder也需要在虚拟环境中安装。

在tensorflow虚拟环境下，输入命令：

conda installspyder

该过程会持续一段时间。安装完成后，在Windows菜单的Anaconda目录下会发现IPython、Spyder等程序下多了对应的IPython(tensorflow)、Spyder(tensorflow)程序。

步骤7：测试第一个Tensorflow程序

右击“以管理员身份打开”启动Spyder (tensorflow)，虽然界面是Python3.6的，但是Python环境是3.5版本的。

至此，Anaconda和Tensorflow安装完毕。

步骤8：安装tflearn开发包

在tensorflow虚拟环境下，输入命令：

pip installtflearn

若无报错，则表示安装成功；否则，根据提示重新安装。

离线版本安装：

若机器无法和互联网直接相连，则安装起来比较麻烦一些。需要先在连接互联网的机器上下载相关安装包和依赖包，然后将安装包和依赖包拷贝到不连接互联网的机器上进行安装。具体如下：

步骤1：在连接互联网机器上，安装前述步骤安装Anaconda并创建Python3.5虚拟环境

步骤2：在虚拟环境中，执行命令：

pip install-dE:/tensorflow_install/cputensorflow

其中，加粗和下划线的内容表示希望下载tensorflow和依赖包的存放路径。执行命令后，tensorflow及其依赖包会缓存到目录下而不会安装。

步骤3：在不连互联网机器上，安装前述步骤安装内含Python3.5的Anaconda，即Anaconda3-4.2.0-Windows-x86_64.exe。然后，将下载的tensorflow和依赖包拷贝到机器上，并在目录下创建一个批量安装的目录文本文件requirements.txt，其中每个依赖包一行，如下所示：

其次，启动Anaconda Prompt终端，并进入安装包目录，如E:/tensorflow_install/cpu。

最后，执行批量安装命令：

pip install--find-links="E:/tensorflow_install/cpu"-r requirements.txt

若无告警，则表示安装成功。可通过前述方法验证tensorflow的使用。对应tflearn的安装可采用类似方法进行。