一、系统需求
- Ubuntu 16.04 or later (64-bit)
- macOS 10.12.6 (Sierra) or later (64-bit) (no GPU support)
- Windows 7 or later (64-bit) (Python 3 only)
二、硬件需求
三、开始安装
1. 安装python3
检查您的Python环境是否已配置：
sudo apt update
sudo apt install python3-dev python3-pip
sudo pip3 install -U virtualenv
如果已安装这些软件包，请跳至下一步。
目前TensorFlow最新只支持到python3.6。
否则，按照下面命令安装Python， pip包管理器和Virtualenv：
- Ubuntu
sudo apt update
sudo apt install python3-dev python3-pip
sudo pip3 install -U virtualenv # system-wide install
- MacOS
第一行安装的是macOS的包管理器:homebrew
/usr/bin/ruby -e "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/master/install)"
export PATH="/usr/local/bin:/usr/local/sbin:$PATH"
brew update
brew install python # Python 3
sudo pip3 install -U virtualenv # system-wide install
- Windows
安装Microsoft Visual C ++ 2015可再发行组件更新。这是Visual Studio 2015附带的，但可以单独安装。
转到Visual Studio下载，选择Redistributables和Build Tools，下载并安装Microsoft Visual C ++ 2015 Redistributable Update 3。
安装适用于Windows的64位 Python 3发行版（选择pip作为可选功能）。
命令提示符中输入：
pip3 install -U pip virtualenv
2. 安装python3虚拟环境
Python虚拟环境用于将程序包安装与系统隔离。
- Ubuntu和Mac OS
通过选择Python解释器并创建一个./venv目录来保存它，从而创建一个新的虚拟环境 ：
virtualenv --system-site-packages -p python3 ./venv
使用特定于shell的命令激活虚拟环境：
source ./ venv / bin / activate ＃sh，bash，ksh或zsh
当virtualenv处于活动状态时，shell提示符前缀为(venv)。
在虚拟环境中安装软件包，而不会影响主机系统设置。首先升级pip：
(venv)$ pip install --upgrade pip
(venv)$ pip list # show packages installed within the virtual environment
离开虚拟环境
(venv)$ deactivate
Windows的配置方法同理
3. 安装TensorFlow pip包
从PyPI中 选择以下TensorFlow软件包之一进行安装：
tensorflow- 仅限CPU的当前版本（推荐给初学者）
tensorflow-gpu- 支持GPU的当前 版本（Ubuntu和Windows）
tf-nightly-Nightly build for only-only （unstable）
tf-nightly-gpu- 支持GPU支持 （不稳定，Ubuntu和Windows）
- 虚拟环境下安装
安装好了可以进行测试，有输出则安装成功。(venv)$ pip install --upgrade tensorflow(venv)$ python -c "import tensorflow as tf; tf.enable_eager_execution(); print(tf.reduce_sum(tf.random_normal([1000, 1000])))" - 系统级安装
安装好了可以进行测试，有输出则安装成功。pip3 install --user --upgrade tensorflow
安装到这里，就大功告成了，可以愉快的学习TensorFlow了！python -c "import tensorflow as tf; tf.enable_eager_execution(); print(tf.reduce_sum(tf.random_normal([1000, 1000])))"
