TensorFlow 1.0 发布，更快、更灵活、更方便！(含峰会主题演讲视频)
就是看到这篇文章，看完视频就有点想了解，接着去官网和中文网，看了介绍和MNIST机器学习入门，嗯，看完了，接着就是入火海了，各种坑。
TensorFlow是谷歌基于DistBelief进行研发的第二代人工智能学习系统，其命名来源于本身的运行原理。Tensor（张量）意味着N维数组，Flow（流）意味着基于数据流图的计算，TensorFlow为张量从流图的一端流动到另一端计算过程。TensorFlow是将复杂的数据结构传输至人工智能神经网中进行分析和处理过程的系统。
TensorFlow可被用于语音识别或图像识别等多项机器深度学习领域，对2011年开发的深度学习基础架构DistBelief进行了各方面的改进，它可在小到一部智能手机、大到数千台数据中心服务器的各种设备上运行。TensorFlow将完全开源，任何人都可以用。
源自百度百科，这是ML(Machine Learning)的库哦。
这里试过了各种安装方法：
+ virtualenv –python的一个虚拟环境，失败，大天朝的墙太高太厚实了，报错，下载不了
+ “native” pip–直接安装pip(一个python包管理器)，接着好像并没有找到tensorflow这东西
+ Docker–我这个试了试，TMD占内存，起码起来就2g+，什么都没有，试了试，还是gg，墙好高啊
+ 源码安装，安装bazel很坑爹jdk7，jdk8才可以，jdk8太高了，后来才看到jdk7是支持的，并没有尝试，jdk8都搞不定，这才尴尬。
+ Anaconda–我就用了这个，很好用
Anaconda是一个用于科学计算的Python发行版，支持 Linux, Mac, Windows系统，提供了包管理与环境管理的功能，可以很方便地解决多版本python并存、切换以及各种第三方包安装问题。Anaconda利用工具/命令conda来进行package和environment的管理，并且已经包含了Python和相关的配套工具。
这里先解释下conda、anaconda这些概念的差别。conda可以理解为一个工具，也是一个可执行命令，其核心功能是包管理与环境管理。包管理与pip的使用类似，环境管理则允许用户方便地安装不同版本的python并可以快速切换。Anaconda则是一个打包的集合，里面预装好了conda、某个版本的python、众多packages、科学计算工具等等，所以也称为Python的一种发行版。其实还有Miniconda，顾名思义，它只包含最基本的内容——python与conda，以及相关的必须依赖项，对于空间要求严格的用户，Miniconda是一种选择。
进入下文之前，说明一下conda的设计理念——conda将几乎所有的工具、第三方包都当做package对待，甚至包括python和conda自身！因此，conda打破了包管理与环境管理的约束，能非常方便地安装各种版本python、各种package并方便地切换。
这里推荐两篇文章，看完就懂了怎么操作了，Anaconda使用总结和Anaconda多环境多版本python配置指导,有个小技巧是善用微云和百度云管家的离线下载功能（客户端才有）。
文笔不好没有写出什么吸引人的地方，anconda我就说那么多了，默认你安装好anconda了。
下载Anaconda
https://www.continuum.io/downloads/
下载你要安装的平台的安装包，记得下载python3.6的版本
anconda配置源
还是说墙高是问题，下载时timeout就gg了
设置国内镜像
如果需要安装很多packages，你会发现conda下载的速度经常很慢，因为Anaconda.org的服务器在国外。所幸的是，清华TUNA镜像源有Anaconda仓库的镜像，我们将其加入conda的配置即可：
# 添加Anaconda的TUNA镜像
conda config –add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
# TUNA的help中镜像地址加有引号，需要去掉
# 设置搜索时显示通道地址
conda config –set show_channel_urls yes
执行完上述命令后，会生成~/.condarc(Linux/Mac)或C:UsersUSER_NAME.condarc文件，记录着我们对conda的配置，直接手动创建、编辑该文件是相同的效果。
pip我也想过配置一下源的，但是想想怎么配置呢？在这conda环境中，每个环境一个python版本，还有就是我看了pip的豆瓣和阿里云的源，并没有官网教程的文件，所以我就没有修改pip的源，并且国外才是最新的才是重点
windows下安装tensorflow
Installing TensorFlow on Windows
我们有anconda这个环境，我们就可以像linux一样敲命令，不用理会依赖什么的了，所以感觉用起来很舒服，而且，Linux太折腾了，心累了，整天装系统，windows大法好，能在windows搞定的就window是吧。在window菜单中找到Anaconda Prompt打开，或者直接cmd，因为环境默认配置好了。
#正确操作请用这个命令，下面是示范
conda create -n tensorflow python=3.5.0
conda create -n tensorflow
#没有指定python版本将使用anconda安装时的python版本
conda create -n 自己起的环境名字 python=x.x.x
#这样子可以指定python的版本
#conda search python这个命令会列出python的版本号，不知道版本号的可以去看看
这句话的意思是conda包管理器创建一个名字叫tensorflow的空间，-n参数是指定名字
可以用conda info -e查看是否创建完成。
C:> activate tensorflow
(tensorflow)C:> # Your prompt should change
直接输入activate tensorflow（你起的那个名字），前缀会多了一个括号括起来的环境名，说明进去了，你可以用conda list查看当前的环境依赖有什么 ，pip -V查看pip的版本和python的版本。
(tensorflow)C:>pip install –ignore-installed –upgrade https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow-1.0.0-cp35-cp35m-win_amd64.whl
上面是正确的，如果你按照官方的连接，可能会：
+ 报错tensorflow-1.0.0-cp35-cp35m-win_x86_64.whl is not a supported wheel on this platform，这是因为完全就没这个文件，竟然还报wheel的错，这个报错的文件名和我给的不同吧
+ 这里有个解释的，Pillow-3.4.2-cp35-cp35m-win_amd64.whl is not a supported wheel on this platform解决办法，cp35说明是使用python3.5，我们这里必须用python3.5的环境
+ 还有个坑就是官方教程的whl文件压根就不存在，浏览器输入网址验证即可，我是通过官方的github才找到这个文件名的
+ anconda的最新版已经是python3.6了，所以创建环境的正确方式是指定python版本为3.5.0
+ window版本的tensorflow只支持python3.5，因为官方就那么说
那么我们耐心等待即可，失败了请重新运行pip install那句，因为下载完成的不会再下载了，试多几次就可以吧全部下载下来了，最好科学上网也用了吧。
步骤是：
#要下载东西，更换源后挺快的
conda create -n tensorflow python=3.5.0
#进入tensorflow环境，退出直接诶使用deactivate即可
activate tensorflow
#pip包管理器安装tensorflow
pip install –ignore-installed –upgrade https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow-1.0.0-cp35-cp35m-win_amd64.whl
经过我的啰嗦安装完了。
tensorflow检验是否可用
在环境下，输入python
>>> import tensorflow as tf
>>> hello = tf.constant(‘Hello, TensorFlow!’)
>>> sess = tf.Session()
>>> print(sess.run(hello))
退出可以用ctrl+z或者ctrl+c
linux下安装tensorflow
Installing TensorFlow on Ubuntu
安装anconda的命令是：bash+空格+包名
等待安装完毕即可，这里的包是下载下来的离线包
+ 更换anconda源
conda config –add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config –set show_channel_urls yes
+ 创建环境（linux的tensorflow需要python3.4）
conda create -n tensorflow python=3.4.0
+ 进入环境
source activate tensorflow
+ 安装tensorflow
pip install –ignore-installed –upgrade https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.0.0-cp34-cp34m-linux_x86_64.whl
+ 检验安装是否成功
python
>>> import tensorflow as tf
>>> hello = tf.constant(‘Hello, TensorFlow!’)
>>> sess = tf.Session()
>>> print(sess.run(hello))
