一、安装jupyter notebook并配置环境
首先建议大家安装anaconda，最新版本请到官网下载（点击下载连接），没错，直接点击下载python3.6版本的（当然选择做自己电脑相应的位数，我的是64bit），however，tensorflow并不支持python3.6，是不是感觉很尴尬，哈哈，一开始我是这么觉得的，嗯，山人自有妙计（后面讲）。下载完成之后，按照提示把安装包安装好，这个没什么好讲的，一路next。。。
在你安装好anaconda之后，在windows开始菜单中点击Anaconda3（64bit），点击anaconda prompt，这是打开了anaconda自带的终端程序，输入：jupyter notebook ，回车，你的jupyter notebook差不多安装完了，不过我还是建议大家修改一下工作空间，类似于eclipse的workspace，你创建的文件都会保存到这个工作空间下。
Note：还是打开anaconda prompt，输入jupyter notebook --generate-config，这是显示overwinte xxxxxxxx,后面跟了一串路径，该路径为jupyter notebook的配置文件路径，在这个路径下找到ipython_notebook_config.py，用编辑器打开该文件（我用的是notepad ++），找到如下一句：
# The directory to use for notebooks and kernels.
# c.NotebookApp.notebook_dir = ''
然后在你自己喜欢的目录下新建一个文件夹用于jupyter notebook工作空间，比如在D盘创建一个Jupyter的文件夹，然后把这句改成c.NotebookApp.notebook_dir = 'D:Jupyter'，记得去掉”#“，保存退出，重新打开jupyter notebook，修改成功！
二、 更改jupyter notebook中python版本
我们知道，到目前为止，tensorflow不支持python3.6，因此我们需要将他降低到3.5，这个很简单：
打开anaconda prompt，在终端输入conda install python=3.5，这个过程网速好的话，几分钟吧，这样轻轻松松换掉了python版本
三、安装windows版本的tensorflow
1. 打开这个：
4.选择你想要安装的tensorflow版本（GPU or CPU）,如果你要装CPU版本，操作如下：
输入：
pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow-1.3.0-cp35-cp35m-win_amd64.whl
如果你想安装GPU版本，当然我假设你已经安装好了Cuda toolkit 和cuDnn，那么请输入：
pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-1.3.0-cp35-cp35m-win_amd64.whl
如果安装的时候报错：
- tensorflow-1.3.0-cp35-cp35m-win_amd64.whl is not a supported wheel on this platform.
原因是Windows下TensorFlow目前只支持python3.5，而最新版Anaconda带有的是python3.6。通过上网搜索获得以下解决方法：
1、首先打开cmd，通过Anaconda创建一个名为tensorflow的python3.5环境conda create -n tensorflow python=3.5
2、启动tensorflow环境activate tensorflow
3、安装cpu版TensorFlowpip install tensorflow-1.3.0-cp35-cp35m-win_amd64.whl(将该.whl文件下载放到终端目录下， 一般是C盘用户名目录)
到这里有一个小插曲，可以检验你是否已经成功地安装了tensorflow：
在该终端输入：
$ python
然后输入以下语句：
>>> import tensorflow as tf
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess = tf.Session()
>>> print(sess.run(hello))如果打印如下：
Hello, TensorFlow!说明你成功安装了tensorflow！否则，回去好好检查一下！