随着自动驾驶，图像识别，语音识别等概念的普及以及技术的成熟，以及alphaGo战胜围棋冠军，alphaGo Zero又通过从零自学习战胜alphaGo。人工智能的这股风已经吹遍了世界各地，现在是个技术相关的公司，对外宣传的时候你要不扯上点人工智能，感觉就out了。作为一个Android开发者，我表示也要跟进谷爹的步伐，学习一下它的开源智能项目－－TensorFlow。
TensorFlow的官方网站http://tensorflow.org/
注意需要FQ，假如你英文还行，并且具备FQ技能。那么直接去官网跟着教程一步步走就行了
官方给我们提供了三种安装方法：
- Pip installation
- Virtualenv installation
- Anaconda installation
我开始选择的是Pip installation，但是安装过程中发现了不少问题，总是中途中断，一会什么six需要升级，一会某某py文件正在使用。在我通过错误日志搜索解决方案的时候，我发现其中一个人回答“我最终选择了Anaconda安装，省的出那么多的问题”。于是我也打算通过Anaconda安装，奈何Anaconda的下载安装出点状况，500多M，下载速度又太慢，我实在等不及中途放弃了，所以我最终选择了Virtualenv安装，并且最后成功了
安装步骤
安装pip以及Virtualenv
# Mac OS X
$ sudo easy_install pip
$ sudo pip install --upgrade virtualenv
在目录中创建一个Virtualenv的工作环境~/tensorflow:
$ virtualenv --system-site-packages ~/tensorflow
执行完以后会在/Users/yourpcname/
目录下建立一个名称为tensorflow的文件夹
激活Virtualenv的环境：
$ source ~/tensorflow/bin/activate # If using bash
(tensorflow)$ # Your prompt should change
执行完你会发现，每个指令前面都有(tensorflow)，这就对了
下面就是像正常Pip installation方式一样安装TensorFlow了，选择一个binary
# Ubuntu/Linux 64-bit, CPU only, Python 2.7
(tensorflow)$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.12.0rc1-cp27-none-linux_x86_64.whl
# Ubuntu/Linux 64-bit, GPU enabled, Python 2.7
# Requires CUDA toolkit 8.0 and CuDNN v5. For other versions, see "Installing from sources" below.
(tensorflow)$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-0.12.0rc1-cp27-none-linux_x86_64.whl
# Mac OS X, CPU only, Python 2.7:
(tensorflow)$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-0.12.0rc1-py2-none-any.whl
# Mac OS X, GPU enabled, Python 2.7:
(tensorflow)$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/mac/gpu/tensorflow_gpu-0.12.0rc1-py2-none-any.whl
# Ubuntu/Linux 64-bit, CPU only, Python 3.4
(tensorflow)$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.12.0rc1-cp34-cp34m-linux_x86_64.whl
# Ubuntu/Linux 64-bit, GPU enabled, Python 3.4
# Requires CUDA toolkit 8.0 and CuDNN v5. For other versions, see "Installing from sources" below.
(tensorflow)$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-0.12.0rc1-cp34-cp34m-linux_x86_64.whl
# Ubuntu/Linux 64-bit, CPU only, Python 3.5
(tensorflow)$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.12.0rc1-cp35-cp35m-linux_x86_64.whl
# Ubuntu/Linux 64-bit, GPU enabled, Python 3.5
# Requires CUDA toolkit 8.0 and CuDNN v5. For other versions, see "Installing from sources" below.
(tensorflow)$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-0.12.0rc1-cp35-cp35m-linux_x86_64.whl
# Mac OS X, CPU only, Python 3.4 or 3.5:
(tensorflow)$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-0.12.0rc1-py3-none-any.whl
# Mac OS X, GPU enabled, Python 3.4 or 3.5:
(tensorflow)$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/mac/gpu/tensorflow_gpu-0.12.0rc1-py3-none-any.whl
上面有如此之多的binary，我虽然不太懂，但是肯定选择Mac OS X，然后就选择了CPU only，Python 2.7
# Mac OS X, CPU only, Python 2.7:
(tensorflow)$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-0.12.0rc1-py2-none-any.whl
最后执行安装，注意执行了上面的语句再执行下面这句指令，执行下面的指令之前，好像你需要处于FQ状态，不然，你是下载不了的
# Python 2
(tensorflow)$ pip install --upgrade $TF_BINARY_URL
执行之后，你会看到 啪啪啪下载 安装，如果没有一片红并且看到了提示安装完成或者成功，那么你就可以开始测试了
创建了一个tftest.py文件,然后写入
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))
然后cd进入目录，执行文件
(tensorflow) bogon:~ sgffsg$ cd /Users/sgffsg/Documents/learn/python
(tensorflow) bogon:python sgffsg$ python tftest.py
hello,Tensorflow!
(tensorflow) bogon:python sgffsg$
done
