本文分为如下几大步骤：
- 安装python及环境变量配置
- 安装cuda/cndnn
- 安装TensorFlow
- 测试是否成功
安装python
通过Pip在Windows上安装Python
TensorFlow在Windows上只支持64位Python3.5，可以通过Python 3.5 from python.org 下载并安装Python3.5.2（注意选择正确的操作系统）。
或者通过https://www.python.org/downloads/选择3.5的任意版本。
设置环境变量
上一步安装时，如果勾选了“自动配置环境变量”操作，即：在cmd中输入pip，如果找到了该命令，则可省去该步骤。
若在cmd中输入pip找不到该命令，则需要将Python安装路径下“%安装路径%\Scripts”添加到Path下；再到cmd中输入pip看到若干命令提示，则代表python安装成功（Python安装包自带pip）。“开始”->“所有程序”，也可以找到Python终端。
参考自：http://blog.csdn.net/include1224/article/details/53452824
cuda以及cudnn的安装
TensorFlow分为CPU版和GPU版，如果你打算安装GPU版，请先安装如下两个驱动：
1、CUDA安装：https://developer.nvidia.com/cuda-downloads
2、CuDNN安装：https://developer.nvidia.com/cudnn（要注册Nvidia用户，并加入CuDNN开发组，填若干问卷就可以下载了）选择下载版本时要注意和Cuda版本匹配。
我的账户是qq邮箱。
解压后（三个目录，分别是：bin、include、lib），覆盖至CUDA的安装目录下。例如：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\
安装tensorflow
我安装的是GPU版本。
windows不支持pip在线安装。即不支持：pip install tensorflow-gpu该命令。
两种方法安装tensorflow：
手动下载tensorflow gpu版本文件：
tensorflow_gpu-0.12.0rc0-cp35-cp35m-win_amd64.whl
下载网址：https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-0.12.1-cp35-cp35m-win_amd64.whl
下载完成后，打开cmd，切换到安装文件目录，输入:
pip install tensorflow_gpu-0.12.0rc0-cp35-cp35m-win_amd64.whl
即可成功安装。
输入pip命令
pip install --upgrade https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-0.12.1-cp35-cp35m-win_amd64.whl
参考自tensorflow官网：https://www.tensorflow.org/versions/r0.12/get_started/os_setup#pip_installation_on_windows
mac和linux可另行参考网上教程。
测试
测试是否安装成功。
问题一
import tensorflow as tf
导入tensorflow时出现错误：
“Couldn't open CUDA library cudnn64_5.dll”
找到解决方案：
安装时没有注意cudnn版本要求，下载安装了cudnnv6.0，安装完后自己查找文件，只有cudnn64_6.dll，没有cudnn64_5.dll。
解决方案为将cudnnV6.0替换为cudnnV5.1即可。
即重新下载cudnn5.1版本。 https://developer.nvidia.com/rdp/cudnn-download
解决方案来自：http://blog.csdn.net/suo_ivy/article/details/70445103
替换完成后，该错误消失。
问题二
执行tf.Session()的时候，出现如下提示：
Could not identify NUMA node of /job:localhost/replica:0/task:0/gpu:0, defaulting to 0. Your kernel may not have been built with NUMA support.`
不过这并不影响最终结果的执行。（只是个警告）
网上找到相关说明： http://blog.csdn.net/baixiaozhe/article/details/54598346
可供参考一下。
大体上的意思是：只要我们不是使用多GPU，这个警告应该是可以忽略的，所以我们目前也不需要担心了。
至此，tensorflow 测试完成，并成功运行了测试样例。
(optional) 测试程序源码
哈哈，是不是迫不及待想用TensorFlow来实现具体的神经网络算法呢？
那就请查看TensorFlow系列的下一篇文章：TensorFlow基础篇与搭建深层神经网络。
