Windows下anaconda+pycharm安装tensorflow,matplotlib,numpy

anaconda+pycharm安装tensorflow,matplotlib,numpy，网上有关的教程很多，但经过我亲生经历，我的不能用，如果你使用的python3.6，那么请按照我的步骤，进行，

anaconda是一个非常厉害的python的库管理器，但是有时候也会引起很大的麻烦，下面我说一下我的安装思路

1.首先你要安装anaconda和配置anaconda的环境变量（网上教程很多），

2.打开你的anaconda的anaconda prompt命令符，输入一下的命令

conda create -n tensorflow python=3.6
activate tensorflow
conda install pandas matplotlib jupyter notebook scipy scikit-learn nltk
conda install -c conda-forge tensorflow keras

这里说一下最好安装python3.5或者python3.6，不然很麻烦。。。。。

安装后打开pycharm并配置解释器，运行

import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt

# 使用numpy生成200个随机点
x_data = np.linspace(-0.5, 0.5, 200)[:, np.newaxis]
noise = np.random.normal(0, 0.02, x_data.shape)
y_data = np.square(x_data) + noise

# 定义两个placeholder
x = tf.placeholder(tf.float32, [None, 1])
y = tf.placeholder(tf.float32, [None, 1])

# 构建神经网络中间层
Weights_l1 = tf.Variable(tf.random_normal([1, 10]))  # 1 10
biases_l1 = tf.Variable(tf.zeros([1, 10]))
Wx_plus_b_l1 = tf.matmul(x, Weights_l1) + biases_l1
Li = tf.nn.tanh(Wx_plus_b_l1)

# 定义神经网络输出层
Weights_l2 = tf.Variable(tf.random_normal([10, 1]))
biases_l2 = tf.Variable(tf.zeros([1, 1]))
Wx_plus_b_l2 = tf.matmul(Li, Weights_l2) + biases_l2
prediction = tf.nn.tanh(Wx_plus_b_l2)

# 二次代价函数(方差)
loss = tf.reduce_mean(tf.square(y - prediction))
# 梯度下降法
train_stop = tf.train.GradientDescentOptimizer(0.1).minimize(loss)

with tf.Session() as sess:
    # 变量的初始化
    sess.run(tf.global_variables_initializer())
    for step in range(2000):
        sess.run(train_stop, feed_dict={x: x_data, y: y_data})
    # 获得预测值
    prediction_value = sess.run(prediction, feed_dict={x: x_data})
    # 画图
    plt.figure()
    plt.scatter(x_data, y_data)
    plt.plot(x_data, prediction_value, 'r-', lw=5)
    plt.show()

这里这时会报

Intel MKL FATAL ERROR: Cannot load mkl_intel_thread.dll.
这个错误的解决方案时，打开命令符输入where mkl_rt
这里可以看到一个路径，这个路径就是你之前安装anaconda时的添加的环境变量，然后在环境变量中去除这个路径，然后在命令符重新输入where mkl_rt ，如果出现“信息: 用提供的模式无法找到文件”,说明你成功了，重启pycharm运行上面的py代码，就可以看到程序成功运行