本文主要参考TensorFlow官网文章《Installing TensorFlow on Windows》(传送门：https://www.tensorflow.org/install/install_windows)。
目前，网上很多人不建议在Win系统下安装TensorFlow，因为支持不好。大部分用户都是将TensorFlow安装在Linux系统。但是，对于习惯在Win下进行软件开发的用户(特别是使用Visual Studio的用户)，在win7和win10下搭建TensorFlow开发环境是一个迫切的需求。
我也一直想要实现Windows系统下调用TensorFlow代码，以避免需要安装Win/Linux双系统的麻烦。经过各种尝试，我终于在win7和win10两个系统下成功搭建TensorFlow开发环境，可以正常运行TensorFlow案例代码。本着分享的精神，现撰写本文，记录搭建步骤，以方便读者。
首先，为了能够正常访问TensorFlow资源，你可能需要cross the wall。作为程序员的你，肯定知道怎么cross。
然后，如果你想跟我一样安装gpu版，就得先确认你的显卡是否支持cuda 3.0以上版本。我测试的两台笔记本显卡分别是GT940m和GTX1050，都是完美支持的。如果你的显卡不是N卡，或者版本太旧，不支持cuda3.0以上版本，那么你只能安装cpu版。TensorFlow cpu版的windows搭建步骤也可以参照本文进行操作。
以上两点满足后，访问https://developer.nvidia.com/cuda-downloads，下载安装和你的系统相对应的cuda版本。(我下载的版本是cuda_8.0.61_windows.exe)
cuda安装完成后，把cuda dll文件路径C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin加入到系统变量path。然后百度搜索下载“cudnn64_5.dll”，把该dll文件拷贝到C:\Program Files\NVIDIA GPUComputing Toolkit\CUDA\v8.0\bin目录下。如果你找不到该版本dll的下载源，可以私信我，我会发给你的。
然后，访问 https://www.python.org/downloads/release/python-352/，下载python3.52(在下载页面选Windows x86-64 executable installer)，然后安装，安装过程中记得所有选项都勾上，以免后续操作缺少相关依赖，如下图所示。
python安装好后，在win7/10下打开命令行窗口(cmd)，输入如下命令，下载安装tensorflowgpu版：
pip3 install --upgrade https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-1.0.1-cp35-cp35m-win_amd64.whl
如果要下载cpu版，则命令如下：
pip3 install --upgrade https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow-1.0.1-cp35-cp35m-win_amd64.whl
(注：不要用pip3 install --upgrade tensorflow-gpu，这个命令会下载最新版tensorflow，新版的tensorflow所要求的cudnn dll不容易获取)
tensorflow安装完成后，请下载安装visual c++ 2015 redistributable，并确保你的系统中有msvcp140.dll文件，如果没有，请出门右转百度，如果找不到，私信我发给你。
完成上述准备后，在cmd窗口中输入python，然后执行以下代码：
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))
如果一切正常，上述代码执行后cmd窗口会显示你的显卡型号，并打印“b' Hello,TensorFlow!'”。这表示TensorFlow在你的windows系统中安装成功。现在，你可以在你熟悉的系统和IDE环境中畅游机器学习的海洋。
如果提示“failed call to cuInit:CUDA_ERROR_NO_DEVICE”，则很有可能是你下载的cuda版本和你系统原有的Nvidia显卡驱动版本不兼容所导致。这个时候，你可以下载驱动精灵，卸载显卡驱动，如果原驱动太新，则重新下载一个旧一点的版本，如果原驱动太旧，则重新下载一个较新的版本(我下的版本是381.65)。总之，太新和太旧的驱动都可能会存在和cuda版本不兼容的情况，而太新和太旧之间的其它版本就可以解决这个问题。合适的才是最好的，你懂的。