進入本書的開門階段，先從環境的搭建開始。雖然tensorflow支援cpu執行，但是裡面也會有一些內容例項涉及到只能在gpu上執行。所以很有必要在學習本書之前購買乙個帶有gpu顯示卡的機器。
本書使用的python 3.5開發環境，開發工具使用anaconda，作業系統使用windows 10。tensorflow的學習中與平台無關，讀者也可以使用linux或是mac，也可以使用別的開發工具。如果讀者對安裝過程已經掌握，可以跳過本章。
（2）進入anaconda官網，單擊右上角的download，如圖2-2所示。
（3）將螢幕拉到下面，單擊圖中最右測的連線「packages included in anaconda」，如圖2-3所示。
（6）進入完全版本的安裝，如圖2-6所示。這裡有linux、windows、macosx的各種版本。可以任意選擇。
cudnn的版本選擇也是有規定的。以windows10作業系統為例，tensorflow1.0到tensorflow1.2版本使用的是cudnn的5.1版本（安裝包檔案為cudnn-8.0-windows10-x64-v5.1-zip），從tensorflow1.3版本之後使用cudnn的6.0版本（cudnn-8.0-windows10-x64-v6.0.zip）。
得到相關包後解壓，直接拷到cuda路徑對應的資料夾下面就行。（如圖2-9所示）。
2.3.3 測試顯示卡
這裡在額外介紹兩個小命令，它可以檢測出在安裝過程產生的問題。
1.使用nvidia-smi命令 檢視顯示卡資訊
nvidia-smi 指的是 nvidia system management inte***ce；
在安裝完成 nvidia 顯示卡驅動之後，對於 windows 使用者而言，cmd 命令列介面還無法識別 nvidia-smi 命令，需要將相關環境變數新增進去。如將 nvidia 顯示卡驅動安裝在預設位置，nvidia-smi 命令所在的完整路徑應當為：
c:\program files\nvidia corporation\nvsmi
將上述路徑新增進 path 系統環境變數中。之後在cmd中執行nvidia-smi命令，可以看到如圖2-10所示。
圖2-10 顯示卡資訊
圖中第一行列的我的驅動資訊，第三行列的是我的顯示卡資訊：geforce gtx 1070。第四行和第5行列的是當前使用顯示卡的程序。
這些資訊都存在了，表明我的安裝是正確的。
2．檢視cuda 的版本
同樣在cmd中使用如下命令： nvcc -v
顯示如圖2-11所示。
關於在linux和mac上安裝可以參考如下**：
輕鬆搭建深度學習框架tensorflow環境
在使用者目錄c users regentwan下，建立.condarc檔案，輸入一下內容 channels show channel urls true 輸入命令 conda create n python3.6 python 3.6python3.6為環境名，python指定版本 安裝目錄 d w...
輕鬆搭建Xposed Hook
0x1.開啟as建立乙個沒有介面的空工程，然後在清單檔案中新增如下 0x3.建立乙個類main，並在main中實現 xposed 中的介面 ixposedhookloadpackage 並重寫方法handleloadpackage public class main implements ixpos...
TensorFlow平台搭建
1，anaconda 的安裝 在 anaconda prompt 視窗輸入 anconda search t conda tensorflow anconda show 相應的版本名稱conda install channel注意 相應的python版本要在3.0版本以上。也可以通過清華大學映象倉庫...