前言
上回我们把 pytorch 的环境安装好了，这篇我们建立一下 tensorflow 和 keras 的开发环境。
，详见下文），是工程化不错的选择。而pytorch代码更pythonic，所以最新的模型和算法很多都由pytorch发布，两者长远来说会是个互相学习，互相追赶良性竞争的状态。对开发者来说，就都应该有所了解。
现在 树莓派上 tensorflow 比较成熟的版本是 1.14.0，最新版本是 2.3.0。主流应用还是 1.x 系列的比较多，但 2.x 集成keras化后明显更好用些，特别是在模型转化方面，也面向未来，所以这里用虚拟环境两者都部署一下。安装 tensorflow
1 建立 tensorflow 1.14 的虚拟环境
python3 -m venv --system-site-packages ~/my_envs/tensorflow
✎ Tip
带参数 system-site-packages 是为了引用系统已安装的基础包，方便共享一些基础库。可以通过在虚拟环境 lib/python3.7 目录下新建 no-global-site-packages.txt 文件来切换引用状态。
2 下载 whl 安装包
下载编译版本的 whl 安装包：
wget https://github.com/lhelontra/tensorflow-on-arm/releases/download/v1.14.0-buster/tensorflow-1.14.0-cp37-none-linux_armv7l.whl
3 安装 tensorflow 1.14.0
pip install tensorflow-1.14.0-cp37-none-linux_armv7l.whl
✎ Tip
这里官网的教程（https://www.tensorflow.org/install/pip）里推荐用 pip install tensorflow，会遇到 HadoopFileSystem load error: libhdfs.so: cannot open shared object file: No such file or directory 的错误。
主要是树莓派里没有安装 Hadoop 文件系统引起的，我们这里暂时还用不到，所以用懒加载的方式就能修复。官方 pip 库里的 1.14.0 版本仍有问题，所以上文推荐用 github 上的开源编译版本。
4 安装 keras 2.2.5
与 tensorflow 1.14.0 匹配的 keras 是 2.2.5 版本
pip install keras==2.2.5
✎ Tip
tensorflow 和 keras 有严格的版本对应关系，更多的版本可以参考这个网站的表格。https://docs.floydhub.com/guides/environments/
5 建立 tensorflow 2.3.0 的虚拟环境
# 退出虚拟环境
6 安装 tensorflow 2.3.0
pip install tensorflow-2.3.0-cp37-none-linux_armv7l.whl
7 安装 keras 2.4.3
pip install keras==2.4.3
安装包下载
本期相关文件资料，可在公众号后台回复：“rpi05”，获取下载链接。
下一篇
我们将安装 tensorflow lite，
并做一下图像分类和目标检测任务，
敬请期待...
