Anaconda、TensorFlow安装和Pycharm配置详细教程，亲测有效！
目录
- 1、Anaconda下载与安装
- 2、Anaconda安装成功与否测试
- 3、安装python
- 4、检查TensorFlow环境添加成功与否
- 5、TensorFlow安装
- 6、测试TensorFlow安装是否成功
- 7、配置TensorFlow至Pycharm
本教程仅供个人学习使用，请勿用于商业获利，造成后果自负！！！
SRE实战 互联网时代守护先锋，助力企业售后服务体系运筹帷幄！一键直达领取阿里云限量特价优惠。
本文首发【计算机视觉联盟】公众号，欢迎关注获取最新资料！
1、Anaconda下载与安装
（1）Anaconda下载网址：https://www.anaconda.com/distribution/ ，根据自己的系统，以及系统的位数，选择需要的版本。这里我的是Windows64位系统。
（2）下载后，选择安装包，点击next
（3）选择“I agree”选项
（4）选择Just Me就可以
（5）点击“Browse”选择安装的路径，接下来就是等待安装了，安装挺快的。
（6）进度条结束时，选择next按钮
（7）取消勾选，然后点击“Finish”按钮，完成安装。
***
2、Anaconda安装成功与否测试
（1）进入Windows系统的cmd界面：然后输入：conda --version检查anaconda的版本
（2）检查目前安装了哪些环境变量：conda info --envs，如下所示即为成功
***
3、安装python
（1）需要安装一个Python解译器，可以使用conda search --full -name python（Anaconda如果比较新的版本，可以使用conda search --full --name python）检查支持的Python版本。我安装的就是比较新的版本，所以使用的是conda search --full --name python检查Python版本
（2）安装Python解译器：conda create --name tensorflow python=3.6，我安装的是3.6版本，你可以根据自己需要安装自己的需要选择版本。（为了不出错，建议你也安装3.6版本）
***
4、检查TensorFlow环境添加成功与否
（1）激活tensflow的环境：activate tensorflow
（2）检测tensflow的环境添加到了Anaconda里面：conda info --envs
（3）退出tensorflow的环境：deactivate tensorflow（不过这里不需要退出哈，因为我们要进行TensorFlow安装）
***
5、TensorFlow安装
前提： 在激活TensorFlow情况下（即前边有tensorflow字样），如果没有激活，需使用：activate tensorflow进行激活
（1）使用如下命令进行安装TensorFlow：pip install --upgrade --ignore-installed tensorflow，等待安装就可以了。
提示： 如果提示需要你升级你的pip的版本，那么你就根据上面的提示进行命令安装就可以了。我这里就遇到了，所以我升级了版本：python -m pip install --upgrade pip。
（2）安装TensorFlow：pip install --upgrade --ignore-installed tensorflow
***
6、测试TensorFlow安装是否成功
（1）打开之前安装的Anaconda，选择prompt
（2）使用activate tensorflow切换到tensorflow环境
（3）输入python进入Python编译环境
（4）依次输入如下命令：
import tensorflow as tf
hello = tf.constant('hello,tf')
sess = tf.Session()
print(sess.run(hello))
7、配置TensorFlow至Pycharm
安装好TensorFlow后，我们需要将对应的Python解译器配置至Pycharm中，才能够进行执行程序，配置步骤如下：
（1）打开Pycharm，点击“file”菜单下的settings
（2）点击“Project：Pycharm”中的“Project Interpreter”，点击右侧的小三角下的“Add”按钮，添加安装TensorFlow下的Python
（3）配置好以后，输入如下代码：
import tensorflow as tf
hello = tf.constant('hello,tf')
sess = tf.compat.v1.Session()
print(sess.run(hello))
