TensorFlow是一個基於數據流編程（dataflow programming）的符號數學系統，被廣泛應用於各類機器學習（machine learning）算法的編程實現，其前身是谷歌的神經網絡算法庫DistBelief。由於TensorFlow十分強大，因此被廣泛應用於產品開發和各領域的科學研究。通過這篇文章，希望能夠幫助大家更加順利地配置tensorflow的開發環境。
① Python基礎語法
② 微積分相關知識
③ 線性代數（主要是矩陣概念及相關計算）
④ 對numpy等庫有一定了解
1、從官網下載Anaconda
Anaconda能夠幫助我們更好地管理我們的python環境。只要是編寫python程序，Anaconda都是一個好的選擇。
網址：
https://www.anaconda.com/distribution/
從官網選擇Anaconda的windows版本進行下載，注意選擇與自己電腦配置相同的版本，最好選擇python 3.7版本，下載完按照提示進行安裝。
2、測試環境變量
安裝完成後，打開Anaconda Prompt窗口
（1） 檢測Anaconda是否安裝成功：conda –version
（2）檢測目前所安裝的環境變量：conda info --envs
如果想了解更多細節，可以查看Anaconda的官方開發文檔：
https://docs.anaconda.com/anaconda/user-guide/getting-started
https://anaconda.org/
3、安裝Tensorflow
根據Tensorflow的官方文檔，可以得到Tensorflow的安裝命令：
pip install --ignore-installed–upgrade https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow-1.0.0-cp35-cp35m-win_x86_64.whl
但是，如果直接鍵入此命令，並不容易能夠安裝成功，會出現網站無法訪問的情況。
因此，我們可以改用命令：pip install --upgrade --ignore-installed tensorflow 進行安裝。
安裝完成便可進入測試環節。
4、測試tensorflow是否可用
可通過兩種方式測試tensorflow：
（1）通過Anaconda Prompt窗口：
首先，激活tensorflow環境。
然後，進入python編輯環境。輸入以下代碼，若輸出正確結果，則可正常使用。
如果出現錯誤，可能是在安裝tensorflow的時候，沒有在conda激活的環境下，導致tensorflow沒有直接嵌入到conda環境中。
解決方法：鍵入activate tensorflow，然後再次鍵入安裝命令。
補充指令：退出tensorflow環境：deactivate
退出python環境：quit()或者Ctrl+z
（2）通過Anaconda中的Spyder編輯器：
雖然在Anaconda Prompt窗口中我們成功地導入了tensorflow模塊，但是在Anaconda中的Spyter編輯器編寫代碼時卻發現無法導入tensorflow模塊。
這是因為官網下載的Anaconda默認自帶python3.6，而我們下載的tensorflow可能存在不兼容的問題，也可能是根目錄下的Spyder找不到安裝在tensorflow環境下的tensorflow模塊。因此我們可以在激活tensorflow環境後，重新安裝Spyder。
安裝成功後，鍵入spyder，打開IDE。
然後就可以編寫前面的測試代碼進行測試。
如果成功輸出，則成功配置了tensorflow的開發環境啦！