本篇内容节选自本人即将出版的新书《机器学习中的概率与统计》，欢迎各路大神前来交流指导！
工欲善其事必先利其器，本书前面章节介绍了机器学习中常用的一些概率基本知识，那么如何将他们运用到机器学习的领域呢？显然是需要一个学习框架的，这里推荐使用tensorflow框架实现前面说到的各种学习网络。本文将就如何安装tensorflow到计算机上做一个简单的介绍。
当然想要实现机器学习的框架有很多，如果读者对其他框架很熟悉，也可以忽略本文。
无论是机器学习还是深度学习都会包含大量的计算任务，因此对计算机的硬件平台要求较高，但是却没有一个具体的标准，就好像韩信点兵多多益善一样，硬件配置肯定是越高越好，但是好的硬件配置往往价格也是昂贵的，这里作者说一下自己的硬件配置，不是很高，但是做一些数据量不是特别大的计算也算够用。在介绍配置的同时也会介绍一下安装tensorflow之前需要的基本配置环境。
如上图所示，其中GPU不是必须的，以笔者的电脑配置为例：
CPU:i5-8265U
内存：8GB
硬盘：SSD
安装系统首选Linux，这是由于几乎所有的深度学习框架都支持Linux系统，并且Linux系统是开源系统，许多操作系统都是由Linux二次开发完成。如果大家想要对机器学习或者深度学习做专业性研究，显然Linux系统是首选。
但是Linux系统和windows系统的操作习惯差别巨大，考虑大大多数读者更习惯于windows系统，因此本文节主要说明windows系统下如何安装tensorflow框架。
在windows系统上安装tensorflow深度学习框架基本分为以上3步：首先安装Python，其次安装Anaconda，最后是Tensorflow的安装，接下来将对以上三点详细介绍。
Python语言首次公开是在1991年，但是在最近几年由于机器学习/深度学习而变得大热起来，算得上是大器晚成的语言。
Python语言与其他语言相比，最大的特点就是简单粗暴且直接，对于语言的初学者而言，python的工作模式非常友好，它内部镶嵌了非常完善的基础代码库，涵盖内容包括网络、GUI、文本、数据库等大量内容，因此python又被称为‘内置电池’。用python进行程序开发，很多工作不需要工程师再去从新编写，直接使用库文件即可。Python除了内置的文件外还有大量的第三方库文件，也就是别人开发好的文件，使用python时可以直接拿来使用。
同时，python又被称为胶水语言，通过它可以轻松的连接其他不同类型语言。比如利用python先构建一个框架，然后对其中有特别需求的部分采用专项语言编写。
Python安装完毕之后，还需要给它安装运行环境。这也是许多windows玩家不习惯的地方，毕竟平时装游戏直接安装就好了，从来没听说过环境这种东西，现在突然说安装一个软件还要配置相应的运行环境，很多小白玩家都不适应。
考虑到本书还是以概率为主、应用tensorflow框架的目的还是为了验证算法的正确性，因此接下来作者会以自己安装Anaconda的步骤为例，直接说明安装方法如下：
（1）百度搜索Anaconda，找到它的官方平台并点击进入，或者直接输入官网网址进入https://www.anaconda.com/.
（2）官网页面向下滚动，找到个人版本并点击进入。
（3）继续向下滑动页面，找到Anaconda的安装版本产品序列，根据个人的实际情况，选择其中一个下载，这里作者选择的是python3.7版本64位下载，其中64位是电脑操作系统64位，选择python3.7是由于新版本的python代表了更新的发展方向，未来的兼容性更好。
（4）下载好Anaconda后，找到下载路径中的exe文件，点击并一路next/I agree(如图所示)。安装完成之后，点击开始程序（windows系统）会发现一个Anaconda3的文件夹，展开文件夹，点击黑色Anaconda图标。
（5）此时进入环境编程页面，设置环境变量，这里是第一个与大家平时安装常用软件不同的地方，就是要给tensorflow设置环境，这是由于如果环境设置不对，无法正常使用tensorflow。这就好像不同的土地性质盖不同的房子一个道理.
进入该页面后，通常情况会发现页面上仅有的信息就是(base) C:\Users\52566>，该信息表明当前系统运行环境路径在C盘，可以通过输入conda –version指令查询下载的Anaconda的版本。
输入命令conda list可以方便的查询当前anaconda里面装载了哪些变量环境，如图14.18所示，这里面也可以查到刚刚安装的python的版本。这里的路径信息(base) C:\Users\52566>就好像是一个大商场，里面的环境变量就是这个商场的商家。
（6）现在需要安装新的计算框架tensorflow，由于tensorflow需要一些特定的环境变量，为了方便管理，这里给它新设置一条环境路径（相当于给它专门造一座商场，如图14.20），设置新环境路径的指令为
conda create –n yourname.
上面命令中，yourname是新设置的环境变量名称，这里可以根据个人喜好设置，conda create是创建新环境的命令，-n说明该命令后面的yourname是要创建的环境变量的名字。
（7）输入命令Conda info --envs查看环境变量是否创建成功。
（8）创建成功之后，进入该路径，安装Tensorflow.
进入创建环境的命令为：
Conda activate suibianqugemingzi
安装tensorflow的相关命令如下，
查看当前tensorflow版本命令：
conda search --full -name tensorflow
查看各版本tensorflow包信息及依赖关系命令：
conda info tensorflow
注意：以上命令会查到非常多的tensorflow版本，然后会查到更多的依赖关系，这里不再为大家放图呈现。
最后是安装tensorflow的命令：
pip install --upgrade --ignore-installed tensorflow
很多读者已经正确安装了Anaconda和tensorflow，但是依然无法使用tensorflow，总是报错提示无法找到tensorflow。下面将对如何使用tensorflow进行说明。
当出现提示无法找到tensorflow的错误时，通常是系统变量的路径没有更新，解决的方法有两种，一种是从系统内更新环境变量，方法如下（针对win10系统）：
（1）进入系统设置面板，找到高级系统设置选项并进入。
（2）点击环境变量：
（3）在系统变量窗口找到path行，左键点中，并进入编辑界面。
（4）选中希望执行的python版本，上移至顶部，设置完成。
由于tensorflow安装在Anaconda环境内，之前说过Anaconda强大之处在于内置很多学习框架需要的环境变量，这也包括了快速设置路径方式。
操作方法如下：
（1）首先点击开始程序，展开Anaconda菜单，进入Anaconda Navigator程序；
（2）进入环境设置菜单；
（3）选中tensorflow的安装路径并激活；
（4）设置完成。
到了这一步，算是完成了环境的配置，现在就可以点击开始菜单-Anaconda3-Jupyter
Notebook开启建模之旅了。
以上就是本文的全部内容，如果大家感兴趣，不妨点个赞再走。另外如果对本人新书《机器学习中的概率与统计》感兴趣的童鞋，也可以顺便关注一波，本人会持续更新新书的初版状态，再次欢迎各路大神前来交流。
“欢迎登陆官网（附https://tensorflow.google.cn/）了解更多 TensorFlow 内容，也可关注 TensorFlow 官方公众号获取更多资讯。”