一说起现在比较火的机器学习、深度学习之类的，不得不说的一定有谷歌的 TensorFlow
框架。关于TensorFlow我就不多说了，因为我对这个东西也不太了解，这才是第一次开始学习。
那么今天要说的是就是在Windows平台上安装TensorFlow，当然要是说的简短点，直接看标题就明白了。由于谷歌官方的TensorFlow目前还不支持Windows平台上的Python 3.6。所以像我这种装了Python 3.6的人就没办法用
pip
安装Anaconda
当然刚才我试着安装了Anaconda，发现可以用Anaconda比较方便的安装TensorFlow，所以就有了这篇文章。如果需要安装Anaconda的话，可以看我的前一篇文章《
安装Anaconda科学计算包》。
谷歌[TensorFlow官网](activate tensorflow)上也有使用Anaconda安装TensorFlow的方法，不过这个方法我照着试了一下没有成功，所以就直接使用Anaconda Navigator来做了。
安装TensorFlow
创建虚拟环境
首先打开Anaconda Navigator，然后点击左边的环境，然后点击中间下方的创建，环境名字就遵循谷歌官网的提示
tensorflow
。
搜索TensorFlow
创建好了虚拟环境之后，鼠标点击这个虚拟环境，然后在右边的搜索栏中搜索TensorFlow，然后选中这个包，并点击右下角的安装。如果照着我前面那篇文章配置了Anaconda的镜像的话，下载速度应该非常快（我这里是4.5M每秒），稍等片刻TensorFlow就安装完成了。
安装完成之后，点击虚拟环境的绿色播放按钮，可以启动该虚拟环境的终端。我们打开刚刚安装好的
tensorflow
环境，进入交互式解释器，然后输入下面的代码。
>>> import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))
然后应该会看到类似下面的输出，这就说明TensorFlow已经在我们指定的环境中安装好了。
E c:\tf_jenkins\home\workspace\release-win\device\cpu\os\windows\tensorflow\core\framework\op_kernel.cc:943] OpKernel ('op: "BestSplits" device_type: "CPU"') for unknown op: BestSplits
E c:\tf_jenkins\home\workspace\release-win\device\cpu\os\windows\tensorflow\core\framework\op_kernel.cc:943] OpKernel ('op: "CountExtremelyRandomStats" device_type: "CPU"') for unknown op: CountExtremelyRandomStats
E c:\tf_jenkins\home\workspace\release-win\device\cpu\os\windows\tensorflow\core\framework\op_kernel.cc:943] OpKernel ('op: "FinishedNodes" device_type: "CPU"') for unknown op: FinishedNodes
E c:\tf_jenkins\home\workspace\release-win\device\cpu\os\windows\tensorflow\core\framework\op_kernel.cc:943] OpKernel ('op: "GrowTree" device_type: "CPU"') for unknown op: GrowTree
E c:\tf_jenkins\home\workspace\release-win\device\cpu\os\windows\tensorflow\core\framework\op_kernel.cc:943] OpKernel ('op: "ReinterpretStringToFloat" device_type: "CPU"') for unknown op: ReinterpretStringToFloat
E c:\tf_jenkins\home\workspace\release-win\device\cpu\os\windows\tensorflow\core\framework\op_kernel.cc:943] OpKernel ('op: "SampleInputs" device_type: "CPU"') for unknown op: SampleInputs
E c:\tf_jenkins\home\workspace\release-win\device\cpu\os\windows\tensorflow\core\framework\op_kernel.cc:943] OpKernel ('op: "ScatterAddNdim" device_type: "CPU"') for unknown op: ScatterAddNdim
E c:\tf_jenkins\home\workspace\release-win\device\cpu\os\windows\tensorflow\core\framework\op_kernel.cc:943] OpKernel ('op: "TopNInsert" device_type: "CPU"') for unknown op: TopNInsert
E c:\tf_jenkins\home\workspace\release-win\device\cpu\os\windows\tensorflow\core\framework\op_kernel.cc:943] OpKernel ('op: "TopNRemove" device_type: "CPU"') for unknown op: TopNRemove
E c:\tf_jenkins\home\workspace\release-win\device\cpu\os\windows\tensorflow\core\framework\op_kernel.cc:943] OpKernel ('op: "TreePredictions" device_type: "CPU"') for unknown op: TreePredictions
E c:\tf_jenkins\home\workspace\release-win\device\cpu\os\windows\tensorflow\core\framework\op_kernel.cc:943] OpKernel ('op: "UpdateFertileSlots" device_type: "CPU"') for unknown op: UpdateFertileSlots
b'Hello, TensorFlow!'
>>>
当然，如果你留意一下新安装的虚拟环境的版本的话，会发现它的版本是Python 3.5，所以说白了这还是在Python 3.5里面装了TensorFlow嘛。不过使用Anaconda的好处是附带了一大堆科学计算库，可以方便地和机器学习相结合。而且图形化的管理工具可以方便的添加和删除虚拟环境（不过其实命令行好像也不麻烦）。
不管怎么说，我们的目的总算是达成了。后续有机会我还会研究一下TensorFlow，说不定还会训练几个有趣的模型。