Windows系统环境
一、安装anaconda
这里安装的是Anaconda3-2019.03-Windows-x86_64.exe（python3.7版本）
二、检查安装环境
1、若anaconda安装时勾选了配置环境变量，直接cmd；若没有勾选，进入Anaconda Prompt窗口（推荐）
2、检测anaconda环境是否安装成功：
conda --version
3、检测目前安装了哪些环境：
conda info --envs
三、在anaconda中安装tensorflow
1、创建tensorflow环境，安装python3.7：
conda create --name tensorflow python=3.7
注：这里的tensorflow是自己定义的环境名，对应anaconda安装目录下envs文件夹下。
注：由于清华等单位anaconda镜像站未取得授权导致关闭，这里不更换anaconda仓库镜像，使用default即可。注：如果由于网络不稳定造成下载中断，再次尝试即可。2、检测tensorflow的环境添加到了Anaconda里面：
conda info --envs
3、激活tensorflow环境（重要，激活后再进行下一步）：
conda activate tensorflow
注：这里命令与Linux不同。注：这里环境名称tensorflow与第1步对应。注：反激活用conda deactivate*
4、安装tensorflow：
pip install --upgrade --ignore-installed tensorflow
注：更改pip下载源可以提升下载速度。在C:\Users\用户名\pip文件夹下新建pip.ini文件：
[global]index-url = https://mirrors.aliyun.com/pypi/simple/[install]trusted-host = mirrors.aliyun.com
四、验证是否正常安装
1、在tensorflow环境下输入：python
2、逐行输入：import tensorflow as tfhello = tf.constant('hello,tf')sess = tf.Session()print(sess.run(hello)) 3、打印：b'hello,tf'，即为正常安装。
Linux系统环境
一、查看Linux版本信息
[root@bigdata11 ~]# uname -aLinux bigdata11 3.10.0-693.el7.x86_64 #1 SMP Tue Aug 22 21:09:27 UTC 2017 x86_64 x86_64 x86_64 GNU/Linux
根据Linux版本下载对应的Anaconda版本。
二、安装Anaconda
[root@bigdata11 tools]# bash Anaconda3-2019.03-Linux-x86_64.shWelcome to Anaconda3 2019.03In order to continue the installation process, please review the licenseagreement.Please, press ENTER to continue...Do you accept the license terms? [yes|no]（选择yes）[no] >>> yesAnaconda3 will now be installed into this location:/root/anaconda3 - Press ENTER to confirm the location - Press CTRL-C to abort the installation - Or specify a different location below[/root/anaconda3] >>> /root/training/anaconda3（安装路径）PREFIX=/root/training/anaconda3...（持续等待）Do you wish the installer to initialize Anaconda3by running conda init? [yes|no]（选择yes）[no] >>> yes...
由于系统自带python2.7，大数据平台HDP下的spark需要python2环境，因此，不能将系统环境的python变为python3。更改~/.bashrc环境变量文件：
# .bashrc# User specific aliases and functionsalias rm='rm -i'alias cp='cp -i'alias mv='mv -i'# Source global definitionsif [ -f /etc/bashrc ]; then . /etc/bashrcfi# >>> conda initialize >>># !! Contents within this block are managed by 'conda init' !!#__conda_setup="$('/root/training/anaconda3/bin/conda' 'shell.bash' 'hook' 2> /dev/null)"#if [ $? -eq 0 ]; then# eval "$__conda_setup"#else# if [ -f "/root/training/anaconda3/etc/profile.d/conda.sh" ]; then# . "/root/training/anaconda3/etc/profile.d/conda.sh"# else# export PATH="/root/training/anaconda3/bin:$PATH"# fi#fi#unset __conda_setup# <<< conda initialize <<<(将conda initialize部分全部注释，加上下面一句)export PATH="/usr/bin/:$PATH:/root/training/anaconda3/bin:/root/training/anaconda3/condabin" 这样在系统环境下既可以使用conda命令，又不改变原始python环境。
[root@bigdata11 ~]# python --versionPython 2.7.5
建议：如果在虚拟机上实验，这个时候可以利用虚拟机的“快照”进行保存当前状态。
conda和anaconda的关系：
这里先解释下conda、anaconda这些概念的差别。conda可以理解为一个工具，也是一个可执行命令，其核心功能是包管理与环境管理。包管理与pip的使用类似，环境管理则允许用户方便地安装不同版本的python并可以快速切换。Anaconda则是一个打包的集合，里面预装好了conda、某个版本的python、众多packages、科学计算工具等等，所以也称为Python的一种发行版。其实还有Miniconda，顾名思义，它只包含最基本的内容——python与conda，以及相关的必须依赖项，对于空间要求严格的用户，Miniconda是一种选择。
Anaconda的常用命令有：
$ # 创建一个名为tensotflow的环境，指定Python版本是3.7（不用管是3.7.x，conda会为我们自动寻找3.7.x中的最新版本）$ conda create --name tensotflow python=3.7 # 这里的--name可以简化为-n$ source activate tensotflow # 安装好后，使用activate激活某个环境$ # 激活后，会发现terminal输入的地方多了tensotflow 的字样$ # 此时，可以安装和操作一些包$ source deactivate tensotflow # 如果想返回普通环境，运行$ conda remove --name tensotflow --all # 删除一个已有的环境$ # conda的包管理类似pip$ conda install scipy # conda安装scipy$ conda list # 查看已经安装的packages$ conda list -n tensotflow # 查看某个指定环境的已安装包$ conda search numpy # 查找package信息$ conda install -n tensotflow numpy # 安装某个指定环境的package$ # 如果不用-n指定环境名称，则被安装在当前活跃环境，也可以通过-c指定通过某个channel安装$ conda update -n tensotflow numpy # 更新package$ conda remove -n tensotflow numpy # 删除package
三、安装TensorFlow
首先创建tensorflow环境
# conda create --name tensorflow python=3.7
注：这里tensorflow是给该环境取的名字，可以任意。
此时anaconda会检查并提示你需要在虚拟环境安装一些包，输入y确认即可。
激活tensorflow环境
source activate tensorflow
安装tensorflow
conda install tensorflow -n tensorflow
注：可能是系统环境的问题，使用pip安装后校验失败。
安装时间较长，耐心等待。
校验
在tensorflow环境下输入：python
import tensorflow as tfhello = tf.constant('hello,tf')sess = tf.Session()print(sess.run(hello))打印：b'hello,tf'，即为正常安装。