用过一段时间的caffe后，对caffe有两点感受：1、速度确实快; 2、 太不灵活了。

深度学习技术一直在发展，但是caffe的更新跟不上进度，也许是维护团队的关系：CAFFE团队成员都是业余时间在维护和更新。导致的结果就是很多新的技术在caffe里用不了，比如RNN,LSTM，batch-norm等。当然这些现在也算是旧的东西了，也许caffe已经有了，我已经很久没有关注caffe的新版本了。它的不灵活之处就是新的东西很难自己扩展，只能等版本更新，这就比较尴尬。

因此，只学caffe一个工具看来是不行了，还得学习其它工具。该学什么呢？当然是如日中天的tensorflow了，毕竟它背后的团队很强大，功能也比较齐全，更新也很及时。所谓技多不压身，学了caffe后再学tensorflow，两者结合着用。

关于tensorflow的介绍，此处不再啰嗦。关于gpu的安装与配置，此处也不涉及。

一、安装anaconda

tensorflow是基于python脚本语言的，因此需要安装python,当然还需要安装numpy、scipy、six、matplotlib等几十个扩展包。如果一个个安装，装到啥时候去？（我曾经光安装scipy就装了一天。。。）

不过现在有了集成环境anaconda，安装就方便了。python的大部分扩展包,都集成在anaconda里面了，因此只需要装这一个东西就行了。

先到https://www.continuum.io/downloads下载anaconda,现在的版本有python2.7版本和python3.5版本，下载好对应版本、对应系统的anaconda，它实际上是一个sh脚本文件，大约300M-400M左右。推荐使用linux版的python 2.7版本，因为tensorflow中的有些东西不支持python3.5(如cPickle)。

下载成功后，在终端执行（2.7版本）：

# bash Anaconda2-4.1.1-Linux-x86_64.sh

或者3.5 版本：

# bash Anaconda3-4.1.1-Linux-x86_64.sh

在安装的过程中，会问你安装路径，直接回车默认就可以了。有个地方问你是否将anaconda安装路径加入到环境变量（.bashrc)中，这个一定要输入yes

安装成功后，会有当前用户根目录下生成一个anaconda2的文件夹，里面就是安装好的内容。在终端可以输入

conda info 来查询安装信息

输入conda list 可以查询你现在安装了哪些库，常用的python,numpy,scipy名列其中。如果你还有什么包没有安装上，可以运行

conda install *** 来进行安装(***代表包名称），如果某个包版本不是最新的，运行 conda update *** 就可以了。

二、安装tensorflow

先在终端执行：

anaconda search -t conda tensorflow

搜索一下有哪些tensorflow安装包，通过查看版本，选择最高的版本安装。比如我看到是0.10.0rc0版本是最高的，如下图：

因此，执行下面代码来查看详细信息：

anaconda show jjhelmus/tensorflow

它就会告诉你，怎么来安装这个包,在终端执行：

conda install --channel https://conda.anaconda.org/jjhelmus tensorflow

然后输入"y"，进行安装。

三、调试

安装成功与否，我们可以测试一下。

在终端输入python，进入python编译环境，然后输入：

import tensorflow as tf

引包tensorflow包，如果没有报错，则安装成功，否则就有问题。

然后可以输入

tf.__version__
tf.__path__

查看tensorflow的安装版本和安装路径（左右各两根下横线）。