Windows下Python版本TensorFlow需要Python  3.5支援，因此建議使用Anaconda，避免和原本電腦Python版本衝突等問題。（另外，你完全可以按照這個流程來，但如果你想偷懶，Windows +TensorFlow+Faster Rcnn整個安裝過程中需要的所有安裝包和資料我都傳到了雲盤裡，大概有4個G內容，最後有獲取方式。）

1.安裝Anaconda

下載地址：連結，選擇支援Python3.5且與自己電腦位數一樣的Windows版本，如果不清楚，可以參考這個網站上各版本說明，anaconda 3 預設的是python3.6，下載下來也可以，之後可以在虛擬環境裡面更改python版本。

下載完成後雙擊exe安裝，到下面這個介面時，第一個框打鉤，把conda新增到環境變數，第二個不勾，如下圖，這樣就不會更改原本Python預設版本了。

安裝完成後，在cmd中輸入conda，出現以下介面，表示安裝成功。

我下載的是這個版本，安裝後發現Anaconda3這個版本預設是py3.6的，而我需要python3.5的，可以在新建虛擬環境時選擇python版本。

2.新建tensorflow虛擬環境

在cmd中輸入

conda create -n tensorflow python=3.5

這樣就建立了一個叫做tensorflow的虛擬環境，且python版本為3.5，之後的所有工作都是在這個環境下完成的，啟用虛擬環境，在cmd中使用命令

activate tensorflow，關閉虛擬環境，使用命令：deactivate 

3.選擇TensorFlow版本

TensorFlow有CPU版本和GPU版本，GPU版本使用顯示卡，硬體要求較高，但計算效率高，如果要安裝GPU版本（需要有NVIDIA顯示卡），一般是推薦使用效能好的伺服器，但你可能需要知道自己電腦是否支援GPU，GPU視訊記憶體是多少，如何檢視自己的電腦是否支援GPU，在cmd命令中輸入：

cd C:\Program Files\NVIDIA Corporation\NVSMI
nvidia-smi

就可以看到自己的顯示卡型號和視訊記憶體大小，個人建議視訊記憶體大於4GB的話可以考慮GPU版本的TensorFlow，不然老老實實用CPU版本的，就是訓練時間長一些，不然到時候會報錯OOM（out of memory）

若使用GPU版本的TensorFlow，還需要安裝CUDA和cudnn,比CPU版本的TensorFlow安裝複雜很多，本文以GPU版本TensorFlow為例。注意：如果使用CPU版本的TensorFlow，請跳過步驟4。

4.安裝GPU版本依賴

主要是安裝CUDA和cudnn，注意兩者版本有對應依賴關係，本文選擇使用的是CUDA 8.0和cudnn 6.0

安裝CUDA

CUDA 8.0安裝地址：連結

開啟後需要先用郵箱註冊，然後下載時會讓選擇你自己電腦系統的版本等內容,注意看清楚下載的是CUDA 8.0版本，因為註冊之後再登入時會預設跳轉到CUDA最新版本的下載頁面。

下載後雙擊exe進行安裝即可，安裝完成後檢驗是否安裝成功：在cmd中輸入命令

cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\extras\demo_suite
bandwidthTest.exe

結果如下圖，顯示 Result = PASS表明安裝成功！

安裝cudnn 6.0

cudnn 6.0下載地址：連結

頁面中選擇下載的內容如下

下載後的內容解壓，可以看到有下面這樣三個資料夾，將資料夾中的檔案分別複製到CUDA安裝目錄下對應的資料夾中，例如本機CUDA的安裝目錄為 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0，然後在目錄下也能找到這三個資料夾名字，把cudnn裡面的拷貝到相應目錄下即可。每個資料夾下其實也就一個檔案

這樣，cuda和cudnn就安裝好了。

5.安裝TensorFlow

首先啟用虛擬環境

activate tensorflow

GPU版本TensorFlow安裝cmd命令：

pip install --ignore-installed --upgrade tensorflow-gpu

CPU版本TensorFlow安裝cmd命令：

pip install --ignore-installed --upgrade tensorflow

安裝完成後檢查是否安裝成功

python
import tensorflow as tf

此時如果報錯：ImportError: Could not find 'cudart64_90.dll'...

解決辦法：

如果你是安裝的GPU版本的，首先考慮TensorFlow安裝版本是否與CUDA匹配，CUDA8.0網上一般都是和TensorFlow1.3搭配的，使用命令conda list，檢視版本，如下圖，可以發現TensorFlow版本不合適，預設安裝的版本過高

解除安裝tensorflow-gpu，安裝1.3版本的，命令如下：

pip uninstall tensorflow-gpu

pip install –-upgrade https://mirrors.tuna.tsinghua.edu.cn/tensorflow/windows/gpu/tensorflow_gpu-1.3.0rc0-cp35-cp35m-win_amd64.whl

安裝成功後，再來檢驗一下，可以檢視tensorflow的安裝版本和安裝位置

import tensorflow as tf

tf.__version__

tf.__path__

如下圖所示，tensorflow安裝成功！

注：如果更改成1.3版本後還是報錯，還是找不到cuda相關的dll，建議重新配置環境變數，計算機右鍵屬性，在系統環境變數中，新增以下內容：

以下所有路徑都基於CUDA預設安裝位置，請以你自己實際安裝的為準！

CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0
CUDA_LIB_PATH = %CUDA_PATH%\lib\x64 
CUDA_BIN_PATH = %CUDA_PATH%\bin 
CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64 
CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64

然後在系統變數 PATH 的末尾新增：（記得分號是英文的） 
%CUDA_LIB_PATH%;%CUDA_BIN_PATH%;%CUDA_SDK_LIB_PATH%;%CUDA_SDK_BIN_PATH%; 
再新增如下路徑： 
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64； 
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin； 
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\common\lib\x64； 
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\bin\win64； 

儲存後，再試試能不能正確載入tensorflow。

以上就是Windows下tensorflow框架安裝詳細流程。整個流程中可能用到的軟體安裝包和資料都傳到了雲盤，關注微信公眾號：TechGIS，後臺回覆“tensorflow”即可獲取，謝謝關注！

faster rcnn演算法將在下一篇文章裡介紹。