TensorFlow是谷歌基于DistBelief進行研發的第二代人工智能學習系統，其命名來源于本身的運作原理。Tensor（張量）意味着N維數組，Flow（流）意味着基于資料流圖的計算，TensorFlow為張量從流圖的一端流動到另一端計算過程。TensorFlow是将複雜的資料結構傳輸至人工智能神經網中進行分析和處理過程的系統。
TensorFlow可被用于語音識别或圖像識别等多項機器深度學習領域，對2011年開發的深度學習基礎架構DistBelief進行了各方面的改進，它可在小到一部智能手機、大到數千台資料中心伺服器的各種裝置上運作。TensorFlow将完全開源，任何人都可以用。
官方雖然提供了一些搭建環境的教程，但是并不詳細，也不利于初學者學習。本文通過參考部落格，并經過親身搭建來講解如何在Windows和mac環境下搭建TensorFlow開發環境。
TensorFlow 有兩個版本：CPU 版本和 GPU 版本。GPU 版本需要 CUDA 和 cuDNN 的支援，CPU 版本不需要。如果你要安裝 GPU 版本，請先确認你的顯示卡支援 CUDA。本文安裝的是 GPU 版本，采用 pip 安裝方式，是以就以 GPU 安裝為例，CPU 版本隻不過不需要安裝 CUDA 和 cuDNN。
請确認你的顯示卡支援 CUDA。
確定你的 Python 版本是 3.5 及以上。（TensorFlow 從 1.2 開始支援 Python3.6，之前的版本官方是不支援的）
確定穩定的網絡連接配接。
確定你的 pip 版本 >= 8.1。可以用 pip -V 檢視目前 pip 版本，也可以用 python -m pip install -U pip 更新pip 。
TensorFlow 官網給出了五種安裝方法，下面一一給大家講解安裝方法。
依次選擇：右擊 我的電腦/此電腦 --> 屬性 --> 進階系統設定 --> 進階頁籤（預設）--> 環境變量 --> 系統環境變量下的 Path -->編輯
将下面這行内容添加到Path變量中：
C:Python36;C:Python36Scripts;
如果之前你的電腦還安裝了2.x版本，請注意将它們的版本區分開來。為了驗證Python是否安裝成功，可以使用下面的指令行來檢視。
當然如果你的pip版本過低，還可以使用python -m pip install -U pip指令更新pip。
先在電腦上裝一個Python，注意要裝TF支援的Python版本。
打開終端，使用pip包管理器安裝TensorFlow，指令如下：
說明：裝CPU還是GPU版本 參照TF官網windows安裝的說明查下顯示卡即可
為了驗證是否安裝成功，可以使用下面的方式驗證。
其他系統，可以參考下面的安裝指令。
安裝 TensorFlow :
如果是 Python3 :
說明：備注：如果之前安裝過 TensorFlow < 0.7.1 的版本,應該先使用 pip uninstall 解除安裝 TensorFlow 和 protobuf ,保證擷取的是一個最新 protobuf 依賴下的安裝包。
當然，也可以通過 Docker 運作 TensorFlow，該方式的優點是不用操心軟體依賴問題。
首先, 安裝 Docker. 一旦 Docker 已經啟動運作, 可以通過指令啟動一個容器:
預設的 Docker 鏡像隻包含啟動和運作 TensorFlow 所需依賴庫的一個最小集. 我們額外提供了 下面的容器, 該容器同樣可以通過上述 docker run 指令安裝:
鏡像中的 TensorFlow 是從源代碼完整安裝的, 包含了編譯和運作 TensorFlow 所需的全部工具. 在該鏡像上, 可以直接使用源代碼進行實驗, 而不需要再安裝上述的任何依賴。
推薦使用 virtualenv 建立一個隔離的容器, 來安裝 TensorFlow. 這是可選的, 但是這樣做能使排查安裝問題變得更容易。安裝前，請安裝所有必備工具:
接下來, 建立一個全新的 virtualenv 環境. 為了将環境建在 ~/tensorflow 目錄下，執行指令：
然後, 激活 virtualenv:
在 virtualenv 内, 安裝 TensorFlow:
接下來, 使用類似指令運作 TensorFlow 程式:
安裝 Anaconda
建立一個 conda 計算環境
激活環境,使用 conda 安裝 TensorFlow
安裝成功後,每次使用 TensorFlow 的時候需要激活 conda 環境
安裝完成後，請建立一個 conda 計算環境名字叫tensorflow:
激活tensorflow環境,然後使用其中的 pip 安裝 TensorFlow. 當使用easy_install使用--ignore-installed标記防止錯誤的産生。
對于 Python 3.x :
激活這個環境，使用 conda 安裝 tensorflow。
使用上面的方式同樣可以測試tensorflow是否搭建成功。
克隆 TensorFlow 倉庫，使用如下指令克隆項目。
其中，“--recurse-submodules” 參數是必須得, 用于擷取 TesorFlow 依賴的 protobuf 庫。
首先安裝 Bazel，首先依照 教程 安裝 Bazel 的依賴. 然後在 連結 中下載下傳适合你的作業系統的最新穩定版, 最後按照下面腳本執行：
注意把 PATH_TO_INSTALL.SH 替換為你下載下傳的安裝包的檔案路徑，将執行路徑 output/bazel 添加到 $PATH 環境變量中。
為了編譯并運作能夠使用 GPU 的 TensorFlow, 需要先安裝 NVIDIA 提供的 Cuda Toolkit 7.0 和 CUDNN 6.5 V2。TensorFlow 的 GPU 特性隻支援 NVidia Compute Capability >= 3.5 的顯示卡. 被支援的顯示卡 包括但不限于:
NVidia Titan
NVidia Titan X
NVidia K20
NVidia K40
将工具安裝到諸如 /usr/local/cuda 之類的路徑。
解壓并拷貝 CUDNN 檔案到 Cuda Toolkit 7.0 安裝路徑下. 假設 Cuda Toolkit 7.0 安裝 在 /usr/local/cuda, 執行以下指令:
從源碼樹的根路徑執行。
這些配置将建立到系統 Cuda 庫的符号連結. 每當 Cuda 庫的路徑發生變更時, 必須重新執行上述 步驟, 否則無法調用 bazel 編譯指令。
在安裝TensorFlow環境的過程中，可能會遇到很多的問題，現在将開發中遇到的一些常見問題寫在這裡以供大家參考。
很多環境搭建都提到了TennsorFlow要使用 Python3.x系列版本不能使用2.x系列版本，并沒有說明原因。
可以看到，Python最新的3.x系列的版本是3.6.4，如果你下載下傳這個版本，會報如下的錯誤：
在window環境中使用指令pip install tensorflow的時候，開始下載下傳過程非常順利，但是到了安裝步驟的時候就出現異常了。
對于這種問題，有兩種解決方案：
1、降低使用者賬戶控制級别
2、用更高的權限來運作程式。我個人反對前者，建議從開始菜單中找到Windows PowerShell，然後從右擊菜單中選擇以管理者身份運作。