一、安裝Tensorflow

Step1.安裝純淨版win7-64位系統。

Step3.安裝Anaconda3（4.2.0版本），安裝過程中，勾選新增路徑、註冊預設版本。檢測python環境配置是否成功，在Cmd中輸入python，顯示為3.5.2 版本。（Anaconda3-4.2.0-Windows-x86_64版本的python3.5.2對tensorflow支援最好（2017年5月）。我下載安裝過5.2.0版本，對應Python3.6，雖然可以新增Python3.5環境，但是步驟比較麻煩）

Step4.安裝TensorFlow。以管理員身份執行cmd ，輸入：cd Path\Anaconda3\Scripts

Step5.測試。

（1）cmd測試；輸入python；再分別輸入如下測試程式碼：

import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))
#輸出：Hello, TensorFlow!

（2）Spyder測試：進入開始》Anaconda3》Spyder，拷貝如下三段程式碼測試：

#開啟Spyder(mypy35tf) ，輸入測試指令碼：
import tensorflow as tf  
hello = tf.constant('Hello, TensorFlow!')  
sess = tf.Session()  
print(sess.run(hello))  
#正確的話，會輸出：
#Hello, TensorFlow! 

# TF-cpu的測試程式碼：
#   計算圖的使用：定義一個求和計算
import tensorflow as tf
a = tf.constant([1.0,2.0],name="a")
b = tf.constant([2.0,3.0],name="b")
result = a + b
print(result)
# 通過設定預設會話計算張量的取值
sess = tf.Session()
with sess.as_default():
print(result.eval())

# TF-gpu的測試程式碼：
#   計算圖的使用：將上述求和計算跑在GPU上
import tensorflow as tf
a = tf.constant([1.0,2.0],name="a")
b = tf.constant([2.0,3.0],name="b")
# 計算圖可以用tf.Graph.device函式來指定運算的裝置
g = tf.Graph()
# 制定計算執行的裝置
with g.device('/gpu:0'):
    result = a + b
print(result)
# 通過設定預設會話計算張量的取值
sess = tf.Session()
with sess.as_default():
print(result.eval())

 

以上程式碼輸出為：

很神奇，沒有專門安裝TF-cpu或TF-gpu，注意加粗程式碼（g.device('/gpu:0'):），將運算部署到gpu上！而且採用網上的MNIST全連線神經網路訓練模型，除了個別版本偏舊的警告外，可以得到結果。

二、在Anaconda3下安裝OpenCV

Windows7-64位+Python3.5.2（Anaconda3）+（opencv_python-3.4.2-cp35-cp35m-win_amd64.whl）安裝配置

 步驟：

Step1.確保安裝了anaconda3，在命令列輸入python有正確資訊；

Step2.下載opencv

Step3.按Win+R 輸入cmd開啟命令提示符視窗，輸入“d:”，再輸入“cd D:\SWinstall\Anaconda3\Lib\site-packages”進入到Anaconda3\Lib\site-packages資料夾下

Step4.執行命令pip install opencv_python-3.4.2-cp35-cp35m-win_amd64.whl ，顯示成功安裝資訊；

Step5.測試：輸python進入python，輸入import cv2回車，不報錯就說明安裝配置成功。

import cv2
import numpy as np
 
img = cv2.imread('E:\PythonWork\house.jpg')
cv2.imshow('src',img)
print(img.shape) # (h,w,c)
print(img.size) # 畫素總數目
print(img.dtype)
print(img)
cv2.waitKey()

輸出為：

到此，可以在Spyder中進行TensorFlow以及OpenCV的程式碼編寫和實驗了。本文均為親測結果，PC為ThinkStation P410。

參考：

https://blog.csdn.net/lwplwf/article/details/61616493