1、最简单
最简单的TensorFlow环境配置方式，没有之一，那就是在win环境安装Anaconda ，利用Anaconda 自带的Anaconda Navigator安装TensorFlow，如下图所示：
这里还可以根据开发者需求更改TensorFlow的版本：
在安装好TensorFlow之后，鼠标左击那个对勾处，就会出来如下图所示的菜单，最后一项就可以选择TensorFlow所需的版本
2、virtual env
如果不想用Anaconda的话，那就推荐用virtual env来管理配置环境，这里在安装完Python后，安装virtual env，之后再创建新环境，在创建的环境下通过pip指令安装TensorFlow。
小编极力推荐第一种方法，如果想用第二种方法，后续的博客里将详细讲解。
3、云端配置
由于不同的云端配置不同，笔者考虑后续博客中再具体介绍不同云端的配置方法，下面大体介绍一下使用云端的原因和主流云端：
3.1 原因
对于大规模机器学习模型的训练来说，都是需要很长时间的，而且对电脑配置也要求，如果在自己电脑跑，可能要很久很久很久…，所以可以考虑高配置云端服务器。
3.2 主流云环境
- Google Cloud：谷歌的云环境，**账户送300能用一段时间，当然，GPU是很贵的，如果对云环境配置要求高的话，价格当然也就高了。
- Amazon：亚马逊的云环境，也很不错。
- 其他：如国内阿里云或腾讯云之类
3.3 说明
特别提示，由于使用谷歌和亚马逊的云环境都需要有一张国际信用卡，最常用的就是VISA，普通的银联卡是不行的，所以使用国内还是国外的云环境要考虑清楚。
笔者最近在忙别的事，暂时没有时间专门学习云环境的配置，所以这一部分暂时先告一段落了，后续有时间笔者再补上，所以，第一章的内容暂时先到这里了，下面开始第二章内容的学习。