[本文出自天外归云的博客园]
Windows下Anaconda+Tensorflow环境部署
1. 安装Anaconda。
2. 开始菜单 > 所有程序 > Anaconda 3 (64-bit) > Anaconda Prompt > 执行命令：
conda create -n tensorflow python=3.5
至此创建了一个名字叫做tensorflow的虚拟环境，并指定了这个虚拟环境的python为3.5版本。
3. 激活虚拟环境，执行命令：
activate tensorflow
4. 安装CPU版本的tensorflow，执行命令：
pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow-1.2.1-cp35-cp35m-win_amd64.whl
必须用这个whl结尾的https地址，用其他地址安装一会儿在python环境中import tensorflow都会报错。
至此环境部署完成。
使用方法
要运行一个tensorflow机器学习脚本，首先创建一个test.py文件，包含以下内容：
import numpy as np import tensorflow as tf # Model parameters W = tf.Variable([.3], dtype=tf.float32) b = tf.Variable([-.3], dtype=tf.float32) # Model input and output x = tf.placeholder(tf.float32) linear_model = W * x + b y = tf.placeholder(tf.float32) # loss loss = tf.reduce_sum(tf.square(linear_model - y)) # sum of the squares # optimizer optimizer = tf.train.GradientDescentOptimizer(0.01) train = optimizer.minimize(loss) # training data x_train = [1, 2, 3, 4] y_train = [0, -1, -2, -3] # training loop init = tf.global_variables_initializer() sess = tf.Session() sess.run(init) # reset values to wrong for i in range(1000): sess.run(train, {x: x_train, y: y_train}) # evaluate training accuracy curr_W, curr_b, curr_loss = sess.run([W, b, loss], {x: x_train, y: y_train}) print("W: %s b: %s loss: %s" % (curr_W, curr_b, curr_loss))
然后打开Anaconda Prompt，激活在我们刚才创建的tensorflow虚拟环境，并在其中执行上面的test.py文件，得到下面的运行结果：
这就是tensorflow机器学习脚本在Anaconda Prompt中的使用方法。