一說起現在比較火的機器學習、深度學習之類的，不得不說的一定有谷歌的 TensorFlow
架構。關于TensorFlow我就不多說了，因為我對這個東西也不太了解，這才是第一次開始學習。
那麼今天要說的是就是在Windows平台上安裝TensorFlow，當然要是說的簡短點，直接看标題就明白了。由于谷歌官方的TensorFlow目前還不支援Windows平台上的Python 3.6。是以像我這種裝了Python 3.6的人就沒辦法用
pip
安裝Anaconda
當然剛才我試着安裝了Anaconda，發現可以用Anaconda比較友善的安裝TensorFlow，是以就有了這篇文章。如果需要安裝Anaconda的話，可以看我的前一篇文章《
安裝Anaconda科學計算包》。
谷歌[TensorFlow官網](activate tensorflow)上也有使用Anaconda安裝TensorFlow的方法，不過這個方法我照着試了一下沒有成功，是以就直接使用Anaconda Navigator來做了。
安裝TensorFlow
建立虛拟環境
首先打開Anaconda Navigator，然後點選左邊的環境，然後點選中間下方的建立，環境名字就遵循谷歌官網的提示
tensorflow
。
搜尋TensorFlow
建立好了虛拟環境之後，滑鼠點選這個虛拟環境，然後在右邊的搜尋欄中搜尋TensorFlow，然後選中這個包，并點選右下角的安裝。如果照着我前面那篇文章配置了Anaconda的鏡像的話，下載下傳速度應該非常快（我這裡是4.5M每秒），稍等片刻TensorFlow就安裝完成了。
安裝完成之後，點選虛拟環境的綠色播放按鈕，可以啟動該虛拟環境的終端。我們打開剛剛安裝好的
tensorflow
環境，進入互動式解釋器，然後輸入下面的代碼。
>>> import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))
然後應該會看到類似下面的輸出，這就說明TensorFlow已經在我們指定的環境中安裝好了。
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!'
>>>
當然，如果你留意一下新安裝的虛拟環境的版本的話，會發現它的版本是Python 3.5，是以說白了這還是在Python 3.5裡面裝了TensorFlow嘛。不過使用Anaconda的好處是附帶了一大堆科學計算庫，可以友善地和機器學習相結合。而且圖形化的管理工具可以友善的添加和删除虛拟環境（不過其實指令行好像也不麻煩）。
不管怎麼說，我們的目的總算是達成了。後續有機會我還會研究一下TensorFlow，說不定還會訓練幾個有趣的模型。