TensorFlow安装和下载

tensorflowgpu安装要搭建TensorFlow的GPU版本，⾸先需要的必备条件就是⼀块能够⽀持CUDA的NVIDIA显卡，因为在搭建TensorFlow的GPU版本时，⾸先需要做的⼀件事就是安装其基础⽀持平台CUDA和其机器学习库cuDNN，然后在此基础上搭建TensorFlow GPU版本。

其次还要了解⼀下不同的TensorFlow版本所需要对应安装的CUDA和cuDNN版本是多少，因为在TensorFlow的GPU版本安装过程中，如果对应的CUDA版本和cuDNN版本不正确的话，是⽆法正常使⽤GPU来进⾏模型训练的。

下表整理出了TensorFlow从1.2到最新版本的CUDA 和cuDNN所对应的版本集合要想成功安装tensorflow并提供GPU⽀持，必须保证tensorflow、cudatoolkit、cudnn版本对应。

查看tensorflow娱cuda cudnn版本对应关系Windows系统查看CUDA版本号检查硬件⽀持。

点击如图所⽰的图标打开nvidia控制⾯板。

点击组件按钮，如下图红⾊箭头标注处所⽰。

在红⾊⽅框和红⾊⽂字共同标注处则显⽰当前电脑的CUDA版本号知道⾃⼰电脑的CUDA版本号，则可以选择合适版本的CUDA Toolkit安装cuda toolkit选择合适的cuda toolkit，下载好，双击下载好的⽂件，会提⽰选择⽬录释放临时⽂件，直接点击下⼀步即可。

安装好后，打开anaconda的terminal输⼊nvcc -V进⾏测试，如果显⽰如下，证明你安装成功了。

安装cudnncuDNN是⼀个SDK，是⼀个专门⽤于神经⽹络的加速包，注意，它跟我们的CUDA没有⼀⼀对应的关系，即每⼀个版本的CUDA可能有好⼏个版本的cuDNN与之对应，但⼀般有⼀个最新版本的cuDNN版本与CUDA对应更好。

cuDNN与CUDA没有版本绑定的关系。

1、下载cudnn 按图⽚所⽰操作即可。

tensorflow使用方法
TensorFlow是一个强大的开源软件库，用于构建和训练机器学习模型。

它以图形方式表示计算任务，并且具有自动求导和高度优化的操作库。

以下是使用TensorFlow的一些常见步骤：
1. 安装TensorFlow：可以从官方网站下载TensorFlow的安装包，也可以使用pip安装。

安装后，可以使用import tensorflow来导入TensorFlow模块。

2. 定义计算图：TensorFlow通过计算图来表示计算任务。

可以使用TensorFlow的操作库来定义计算图中的节点和边。

3. 运行计算图：可以使用TensorFlow的会话来运行计算图。

会话提供了与TensorFlow的交互方式，并且可以在计算图中执行操作。

4. 训练模型：可以使用TensorFlow的优化器来训练机器学习模型。

优化器可以按照指定的损失函数优化模型的参数。

5. 评估模型：可以使用TensorFlow的评估函数来评估模型的性能。

例如，可以使用准确率来评估分类模型的性能。

6. 保存和加载模型：可以使用TensorFlow的保存和加载函数来保存和加载训练好的模型。

这些函数可以将模型保存到文件中，并且可以在需要时加载模型。

TensorFlow是一个功能强大的机器学习工具，它提供了一个灵活和高效的方式来构建和训练机器学习模型。

使用TensorFlow的步骤相对简单，但需要一些基本的理解和编程知识。

- 1 -。

（⼀）如何在Python3.8上安装TensorFlow（Mac版本）今天下载安装了Anaconda，需要在Anaconda上安装OpenCV和TensorFlow，但总会显⽰:Specifications:- tensorflow-gpu -> python[version='3.5.*|3.6.*|3.7.*|>=3.7,<3.8.0a0|>=3.6,<3.7.0a0|>=3.5,<3.6.0a0|>=2.7,<2.8.0a0']Your python: python=3.8因为python=3.8是最新版本，相应的TensorFlow 还没能及时更新，需要⾃⼰下载安装TensorFlow2折腾了好久，⾛了很多弯路，最后使⽤了以下⽅法安装成功，希望能帮助到其他朋友：⼀、检查电脑上⽬前的python和pip版本 python3 --version pip3 --version**注意：必须使⽤最新版本的 pip，才能安装 TensorFlow 2。

升级pip：pip install --upgrade pip⼆、配置python3.8运⾏环境conda create -n env_name python=3.8conda activate env_nameconda install pandas scikit-learn matplotlib notebookpip3 install --user --upgrade tensorflow #安装最新版本的tensorflow三、测试是否安装成功import tensorflow as tfhello = tf.constant('hello,tf')sess = tf.Session()print(sess.run(hello))此时可能出现报错：AttributeError: module 'tensorflow' has no attribute 'Session'不⽤担⼼，你的tensorflow已经安装成功，原因是你安装的tensorflow是2.0以上版本可以将代码修改为：import tensorflow as tftf.executing_eagerly()with pat.v1.Session() as sess:hello = tf.constant('Hello, tf!')print(sess.run(hello))点击运⾏：安装成功！。

1.安装tensorflow的环境，首先打开Anaconda Prompt，输入清华仓库镜像输入：conda config --add channels https:///anaconda/pkgs/free/这是两条命令，conda config --set show_channel_urls yes2. 同样在Anaconda Prompt中利用Anaconda创建一个python3.6的环境，环境名称为tensorflow ，输入下面命令：conda create -n tensorflow python=3.63.执行下边的操作开始菜单->Anaconda3—>Anaconda Navigator，点击左侧的Environments，可以看到tensorflow的环境已经创建好了。

4.启动和关闭当使用tensorflow时需要开启tensorflow环境命令：activate tensorflow当不使用tensorflow时，关闭tensorflow环境，命令：deactivate5. 安装cpu版本的TensorFlow命令：pip install --upgrade --ignore-installed tensorflow直到最后出现如下的结果：这样tensorflow cpu版本就安装好了。

注意：但是在Anaconda自带的ipython 和Spyder中import tensorflow的时候一直失败，提示No module named ‘tensorflow’，那是因为我们没有在tensorflow的环境下打开它们。

为了能在ipython 和Spyder中使用tensorflow，我们需要在tensorflow的环境中安装这两个的插件。

打开Anaconda Navigator，选择Not installed，找到ipython和Spyder 并安装，安装好后就可以使用了。

Python使⽤pip安装TensorFlow模块1.⾸先确保已经安装python，然后⽤pip来安装matplotlib模块。

2.进⼊到cmd窗⼝下，建议执⾏python -m pip install -U pip setuptools进⾏升级。

3.如果之前已经安装了Numpy，则需要先卸载之前的安装，因为每个Tensorflow都有⼀个版本的numpy对应，故要卸载之前numpy4.接着键⼊python -m pip install --upgrade tensorflow 进⾏⾃动的安装，系统会⾃动下载安装包。

命令提交以后，你唯⼀能做的就是等待了。

你唯⼀能祈祷的，就是这该死的GFW不会坏了你好事。

还好这次运⽓不错，⼀次搞定。

验证安装在桌⾯上创建a.py⽂件，写⼊以下代码import tensorflow as tfimport osos.environ['TF_CPP_MIN_LOG_LEVEL']= '2'hello = tf.constant('Hello, TensorFlow!')sess = tf.Session()print(sess.run(hello))a = tf.constant(10)b = tf.constant(25)print(sess.run(a + b))参考：学习：异常处理：下⾯是从⽹上找到的，别⼈在安装的过程中出现的错误或异常，以及解决⽅法：后来直接pip install tensorflow，tensorflow装完，⾃动装numpy却报错了。

因为我之前⾃⼰⽤了numpy，早就装了。

⽽每个tensorflow都有⼀个版本的numpy对应，故要卸载之前numpy。

解决⽅法如下1.Exception:Traceback (mostrecent call last):……PermissionError:[Errno 13]Permission denied:'D:\\software\\Anaconda\\Lib\\site-packages\\numpy\\core\\multiarray.cp36-win_amd64.pyd'解决办法：关闭所有正在运⾏的python程序2. Installing collected packages:numpy, tensorflow-tensorboard, tensorflowFound existing installation: numpy 1.11.3Uninstalling numpy-1.11.3:Exception……⽆法卸载numpy解决办法：pip install tensorflow –ignore-installed numpy=============================================================tensorflow 0.12.0开始⽀持Windows下安装了环境要求：Windows 64位python 3.5pip 9.0.1tensorflow 0.12.0cuda8.0cudnn5.1visual c++ 2015 运⾏时库安装过程：安装python3.5安装升级pippython.exe -m pip install --upgrade pip安装tensorflowcpu版本pip install --upgrade tensorflowgpu版本pip install --upgrade tensorflow-gpugpu版本tensorflow安装gpu⽀持包安装cuda8.0安装安装cudnn5.1安装添加解压后的bin⽬录到PATH环境变量测试tensorflow$ python...>>> import tensorflow as tf>>> hello = tf.constant('Hello, TensorFlow!')>>> sess = tf.Session()>>> print(sess.run(hello))b'Hello, TensorFlow!'>>> a = tf.constant(10)>>> b = tf.constant(32)>>> print(sess.run(a + b))42>>>如果import报错，需要下载安装另外需确认CUDA CUDNN与TensorFlow版本是否匹配gpu使⽤情况查看nvidia-smi -l # 实时返回GPU使⽤情况。

win10anacondacuda11.1安装tensorlfow-gpu环境注：之前写的那篇⽂章虽然安装成功了，但⽤不了gpu，今天从新弄⼀下，让它⽀持gpu本⽂链接：前期准备：在安装 tensorflow-gpu 之前，请确认你已经安装好了 cuda ⼯具包及 cudann 补丁注：需要注册⼀个英伟达的开发者账号⼀、安装 anaconda注1：选择适合⾃⼰的版本下载安装即可注2：为了不必要的⿇烦，建议先卸载系统已安装的python，然后使⽤anaconda默认环境的python做为系统默认的python⼆、安装 tensorflow-gpu安装好 anaconda 后，win+q 搜索 ana ，选择打开 Anaconda Navigator三、修改 anaconda 源打开 C盘 > ⽤户 > {⽤户名}，例如：C:\Users\Tiacchannels:- defaultsshow_channel_urls: truedefault_channels:- https:///anaconda/pkgs/main- https:///anaconda/pkgs/r- https:///anaconda/pkgs/msys2custom_channels:conda-forge: https:///anaconda/cloudmsys2: https:///anaconda/cloudbioconda: https:///anaconda/cloudmenpo: https:///anaconda/cloudpytorch: https:///anaconda/cloudsimpleitk: https:///anaconda/cloud四、创建 tensorflow-gpu 环境，并安装 tensorflow-gpu参考链接：官⽅教程⾥有⼏种⽅法来安装 tensorflow-gpu，我试了，只有安装 nightly 版本的才⽐较正常（⽀持gpu）conda create -n tf-n-gpu pythonconda activate tf-n-gpupip install tf-nightly-gpu五、验证环境是否正常pythonimport tensorflow as tftf.__version__tf.config.experimental.list_physical_devices('GPU')注：如图所⽰，tensorflow已安装正常，可以识别到电脑的gpu六、安装 jupyterlab参考 jupyter 官⽅⽂档，⽤ conda 命令安装 jupyterlab conda install -c conda-forge jupyterlab七、运⾏ jupyter-lab 及测试本⽂链接：完。

ai安装教程AI安装教程人工智能（AI）是近年来发展迅速的领域，其应用逐渐渗透到各个行业。

如果你也想要体验AI的魅力，那么一款好用的AI工具是必不可少的。

接下来，我们将为你介绍AI工具的安装教程，以便您快速上手并进行相关的研究和应用。

首先，你需要确定要安装的AI工具。

目前市面上有很多种AI工具可选，比如TensorFlow、PyTorch等，这些工具都有其独特的特性和用途。

在选择时，你可以根据自己的需求和兴趣来决定。

本教程以TensorFlow为例进行介绍。

步骤1：下载安装包在TensorFlow的官方网站上，你可以找到最新版本的安装包。

根据你的操作系统选择合适的安装包进行下载，比如Windows、MacOS或Linux等。

注意，对于不同的操作系统，安装方式也会有所不同。

步骤2：安装依赖软件在安装TensorFlow之前，你需要安装一些必要的依赖软件，比如Python和pip。

Python是一种常用的编程语言，TensorFlow是用Python编写的，所以你需要安装Python来运行TensorFlow。

pip是Python的包管理工具，用来管理TensorFlow以及其他Python库的安装和更新。

步骤3：安装TensorFlow在完成依赖软件的安装后，你可以打开命令行终端并输入以下命令来安装TensorFlow：$ pip install tensorflow这样就完成了TensorFlow的安装。

如果一切顺利，你应该可以在终端中看到安装成功的提示信息。

步骤4：验证安装为了验证TensorFlow是否安装成功，你可以在命令行终端中输入以下命令：$ python>>> import tensorflow as tf>>> print(tf.__version__)如果没有出现错误提示，并且成功打印出TensorFlow的版本号，那么恭喜你，你已经成功安装并可以正常使用TensorFlow了！总结：以上就是关于AI工具安装的简要教程。

教你如何在pycharm中安装opencv,tensorflow,keras ⽬录⼀.⾸先安装Anaconda,python和pycharm⼆.⾸先安装opencv三.安装tensorflow和kerass四.⼩结我在安装环境的时后，怎么都装不上去，搞了好久，现在来写⼀下⼼得。

⼀.⾸先安装Anaconda,python和pycharm有很多教程，我就不在此赘述⼆.⾸先安装opencv1.点击左下⾓的Terminal2.输⼊pip install opencv-python，然后按键盘上的enter(亲测有效）3.看到successfully就说明安装好了三.安装tensorflow和kerass1.点左上⾓的File选择Settings找到图中python Interpreter2.找到你配好的环境3.点击加号4.在上⾯的框框上搜索你要安装的框架5.将Specify version前⾯的框框中打勾，选中⼀个合适的版本（注意版本不要太⾼）6.点击Install Package7.这样⼀般就可以了，keras也是这样滴四.⼩结如果你看来很多教程下了很多次软件还是没有成功，你可以参考以下建议（我⾃⼰没有试过，看看就好）⾸先要找到你安装的anaconda3所在的⽂件，在找到envs,把别⼈已经配置好⽂件复制在此⽂件夹下。

（例如BY，pytorch_envs都是配置的环境）重点就是要选中已经配置好的环境（就是别⼈刚刚配好的那个）剩下就是像我上⾯写的那样找到你要安装的库下载下来，就⼤公告成啦。

因为每个⼈的电脑不⼀样，所以我的⽅法不⼀定适合所有⼈，如果你没有成功，请见谅。

到此这篇关于教你如何在pycharm中安装opencv,tensorflow,keras的⽂章就介绍到这了,更多相关pycharm安装opencv,tensorflow,keras内容请搜索以前的⽂章或继续浏览下⾯的相关⽂章希望⼤家以后多多⽀持！。

Ubuntu20.04环境安装tensorflow2的⽅法步骤⼀、TensorFlow介绍1、简介 TensorFlow是⼀个基于数据流编程（dataflow programming）的符号数学系统，被⼴泛应⽤于各类机器学习（machine learning）算法的编程实现，其前⾝是⾕歌的神经⽹络算法库DistBelief 。

Tensorflow拥有多层级结构，可部署于各类服务器、PC终端和⽹页并⽀持GPU和TPU⾼性能数值计算，被⼴泛应⽤于⾕歌内部的产品开发和各领域的科学研究。

TensorFlow由⾕歌⼈⼯智能团队⾕歌⼤脑（Google Brain）开发和维护，拥有包括TensorFlow Hub、TensorFlow Lite、TensorFlow Research Cloud在内的多个项⽬以及各类应⽤程序接⼝（Application Programming Interface, API）。

⾃2015年11⽉9⽇起，TensorFlow依据阿帕奇授权协议（Apache 2.0 open source license）开放源代码。

2、TensorFlow ⽀持的系统 以下 64 位系统上测试过 TensorFlow 并且这些系统⽀持 TensorFlow：Python 3.5–3.8Ubuntu 16.04 或更⾼版本Windows 7 或更⾼版本（含 C++ 可再发⾏软件包）macOS 10.12.6 (Sierra) 或更⾼版本（不⽀持 GPU）Raspbian 9.0 或更⾼版本⼆、安装步骤1、检查确认python版本root@ubuntuvm:~# python3 -VPython 3.8.52、安装venv模块root@ubuntuvm:/home# apt install python3-venv python3-devReading package lists… DoneBuilding dependency treeReading state information… DoneThe following additional packages will be installed:libc-dev-bin libc6 libc6-dbg libc6-dev libcrypt-dev libexpat1-dev libpython3-dev libpython3.8-dev linux-libc-dev manpages-dev python-pip-whlpython3-distutils python3.8-dev python3.8-venv zlib1g zlib1g-devSuggested packages:glibc-docThe following NEW packages will be installed:libc-dev-bin libc6-dev libcrypt-dev libexpat1-dev libpython3-dev libpython3.8-dev linux-libc-dev manpages-dev python-pip-whl python3-devpython3-distutils python3-venv python3.8-dev python3.8-venv zlib1g-devThe following packages will be upgraded:libc6 libc6-dbg zlib1g3 upgraded, 15 newly installed, 0 to remove and 233 not upgraded.Need to get 21.2 MB of archives.After this operation, 56.1 MB of additional disk space will be used.Do you want to continue? [Y/n] y3、创建项⽬⽬录bdsc@ubuntuvm:~$ mkdir mytensorflowbdsc@ubuntuvm:~$ cd mytensorflow/4、创建虚拟环境bdsc@ubuntuvm:~/mytensorflow$ python3 -m venv tenf5、激活虚拟环境bdsc@ubuntuvm:~/mytensorflow$ source tenf/bin/activate(tenf) bdsc@ubuntuvm:~/mytensorflow$6、升级pip(tenf) bdsc@ubuntuvm:~/mytensorflow$ pip3 -Vpip 20.0.2 from /home/bdsc/mytensorflow/tenf/lib/python3.8/site-packages/pip (python 3.8)(tenf) bdsc@ubuntuvm:~/mytensorflow$ pip install --upgrade pipCollecting pipDownloading pip-21.0-py3-none-any.whl (1.5 MB)|████████████████████████████████| 1.5 MB 1.0 MB/sInstalling collected packages: pipAttempting uninstall: pipFound existing installation: pip 20.0.2Uninstalling pip-20.0.2:Successfully uninstalled pip-20.0.2Successfully installed pip-21.0(tenf) bdsc@ubuntuvm:~/mytensorflow$ pip3 -Vpip 21.0 from /home/bdsc/mytensorflow/tenf/lib/python3.8/site-packages/pip (python 3.8)7、安装tensorflow(tenf) bdsc@ubuntuvm:~/mytensorflow$ pip3 install tensorflowCollecting tensorflowDownloading tensorflow-2.4.1-cp38-cp38-manylinux2010_x86_64.whl (394.4 MB)|████████████████████████████████| 394.4 MB 4.9 kB/sCollecting tensorflow-estimator<2.5.0,>=2.4.0Downloading tensorflow_estimator-2.4.0-py2.py3-none-any.whl (462 kB)|████████████████████████████████| 462 kB 24 kB/sCollecting astunparse~=1.6.3Downloading astunparse-1.6.3-py2.py3-none-any.whl (12 kB)Collecting protobuf>=3.9.2Downloading protobuf-3.14.0-cp38-cp38-manylinux1_x86_64.whl (1.0 MB)|████████████████████████████████| 1.0 MB 35 kB/sCollecting gast==0.3.3Downloading gast-0.3.3-py2.py3-none-any.whl (9.7 kB)Collecting flatbuffers~=1.12.0Downloading flatbuffers-1.12-py2.py3-none-any.whl (15 kB)Collecting absl-py~=0.10Downloading absl_py-0.11.0-py3-none-any.whl (127 kB)|████████████████████████████████| 127 kB 52 kB/sCollecting wheel~=0.35Downloading wheel-0.36.2-py2.py3-none-any.whl (35 kB)Collecting termcolor~=1.1.0Downloading termcolor-1.1.0.tar.gz (3.9 kB)Collecting wrapt~=1.12.1Downloading wrapt-1.12.1.tar.gz (27 kB)Collecting grpcio~=1.32.0Downloading grpcio-1.32.0-cp38-cp38-manylinux2014_x86_64.whl (3.8 MB)|████████████████████████████████| 3.8 MB 35 kB/sCollecting six~=1.15.0Downloading six-1.15.0-py2.py3-none-any.whl (10 kB)Collecting typing-extensions~=3.7.4Downloading typing_extensions-3.7.4.3-py3-none-any.whl (22 kB)Collecting tensorboard~=2.4Downloading tensorboard-2.4.1-py3-none-any.whl (10.6 MB)|████████████████████████████████| 10.6 MB 46 kB/sCollecting keras-preprocessing~=1.1.2Downloading Keras_Preprocessing-1.1.2-py2.py3-none-any.whl (42 kB)|████████████████████████████████| 42 kB 43 kB/sCollecting h5py~=2.10.0Downloading h5py-2.10.0-cp38-cp38-manylinux1_x86_64.whl (2.9 MB)|████████████████████████████████| 2.9 MB 46 kB/sCollecting opt-einsum~=3.3.0Downloading opt_einsum-3.3.0-py3-none-any.whl (65 kB)|████████████████████████████████| 65 kB 45 kB/sCollecting google-pasta~=0.2Downloading google_pasta-0.2.0-py3-none-any.whl (57 kB)|████████████████████████████████| 57 kB 26 kB/sCollecting numpy~=1.19.2Downloading numpy-1.19.5-cp38-cp38-manylinux2010_x86_64.whl (14.9 MB)|████████████████████████████████| 14.9 MB 65 kB/sCollecting markdown>=2.6.8Downloading Markdown-3.3.3-py3-none-any.whl (96 kB)|████████████████████████████████| 96 kB 66 kB/sCollecting google-auth-oauthlib<0.5,>=0.4.1Downloading google_auth_oauthlib-0.4.2-py2.py3-none-any.whl (18 kB)Collecting werkzeug>=0.11.15Downloading Werkzeug-1.0.1-py2.py3-none-any.whl (298 kB)|████████████████████████████████| 298 kB 44 kB/sRequirement already satisfied: setuptools>=41.0.0 in ./tenf/lib/python3.8/site-packages (from tensorboard~=2.4->tensorflow) (44.0.0)Collecting tensorboard-plugin-wit>=1.6.0Downloading tensorboard_plugin_wit-1.8.0-py3-none-any.whl (781 kB)|████████████████████████████████| 781 kB 43 kB/sCollecting requests<3,>=2.21.0Downloading requests-2.25.1-py2.py3-none-any.whl (61 kB)|████████████████████████████████| 61 kB 57 kB/sCollecting google-auth<2,>=1.6.3Downloading google_auth-1.24.0-py2.py3-none-any.whl (114 kB)|████████████████████████████████| 114 kB 37 kB/sCollecting rsa<5,>=3.1.4Downloading rsa-4.7-py3-none-any.whl (34 kB)Collecting pyasn1-modules>=0.2.1Downloading pyasn1_modules-0.2.8-py2.py3-none-any.whl (155 kB)|████████████████████████████████| 155 kB 34 kB/sCollecting cachetools<5.0,>=2.0.0Downloading cachetools-4.2.1-py3-none-any.whl (12 kB)Collecting requests-oauthlib>=0.7.0Downloading requests_oauthlib-1.3.0-py2.py3-none-any.whl (23 kB)Collecting pyasn1<0.5.0,>=0.4.6Downloading pyasn1-0.4.8-py2.py3-none-any.whl (77 kB)|████████████████████████████████| 77 kB 42 kB/sCollecting chardet<5,>=3.0.2Downloading chardet-4.0.0-py2.py3-none-any.whl (178 kB)|████████████████████████████████| 178 kB 47 kB/sCollecting idna<3,>=2.5Downloading idna-2.10-py2.py3-none-any.whl (58 kB)|████████████████████████████████| 58 kB 31 kB/sCollecting urllib3<1.27,>=1.21.1Downloading urllib3-1.26.2-py2.py3-none-any.whl (136 kB)|████████████████████████████████| 136 kB 33 kB/sCollecting certifi>=2017.4.17Downloading certifi-2020.12.5-py2.py3-none-any.whl (147 kB)|████████████████████████████████| 147 kB 26 kB/sCollecting oauthlib>=3.0.0Downloading oauthlib-3.1.0-py2.py3-none-any.whl (147 kB)|████████████████████████████████| 147 kB 36 kB/sUsing legacy ‘setup.py install' for termcolor, since package ‘wheel' is not installed.Using legacy ‘setup.py install' for wrapt, since package ‘wheel' is not installed.Installing collected packages: urllib3, pyasn1, idna, chardet, certifi, six, rsa, requests, pyasn1-modules, oauthlib, cachetools, requests-oauthlib, google-auth, wheel, werkzeug, tensorboard-plugin-wit, protobuf, numpy, markdown, grpcio, google-auth-oauthlib, abs Running setup.py install for wrapt … doneRunning setup.py install for termcolor … doneSuccessfully installed absl-py-0.11.0 astunparse-1.6.3 cachetools-4.2.1 certifi-2020.12.5 chardet-4.0.0 flatbuffers-1.12 gast-0.3.3 google-auth-1.24.0 google-auth-oauthlib-0.4.2 google-pasta-0.2.0 grpcio-1.32.0 h5py-2.10.0 idna-2.10 keras-preprocessing-1.1.2 ma 8、验证tensoflow2是否安装成功1、查看安装模块及版本(tenf) bdsc@ubuntuvm:~/mytensorflow$ pip3 show tensorflowName: tensorflowVersion: 2.4.1Summary: TensorFlow is an open source machine learning framework for everyone.Home-page: https:///Author: Google Inc.Author-email: packages@License: Apache 2.0Location: /home/bdsc/mytensorflow/tenf/lib/python3.8/site-packagesRequires: typing-extensions, google-pasta, protobuf, wrapt, gast, tensorboard, opt-einsum, flatbuffers, numpy, wheel, astunparse, keras-preprocessing, six, termcolor, tensorflow-estimator, grpcio, absl-py, h5pyRequired-by:2、查看import tensorflow是否报错3、使⽤TensorFlow打印hello,Tensorflow(tenf) bdsc@ubuntuvm:~/mytensorflow$ python3Python 3.8.5 (default, Jul 28 2020, 12:59:40)[GCC 9.3.0] on linuxType “help”, “copyright”, “credits” or “license” for more information.>>> import os>>> os.environ[‘TF_CPP_MIN_LOG_LEVEL'] = ‘2'>>> import tensorflow as tf>>> pat.v1.disable_eager_execution()>>> hello = tf.constant(‘Hello, Tensorflow!')>>> sess = pat.v1.Session()>>> print(sess.run(hello))b'Hello, Tensorflow!'三、FAQ1、import tensorflow时报错⽆法加载动态库libcudart.so.11.0解决⽅法：在import tensorflow as tf语句前加上如下语句import osos.environ[‘TF_CPP_MIN_LOG_LEVEL'] = ‘2'import tensorflow as tf2、报错session属性找不到原因：报错AttributeError: module ‘tensorflow' has no attribute ‘Session'。

TensorFlow在Linux系统下安装详细教程AI这个概念好像突然就火起来了，年初大比分战胜李世石的AlphaGo成功的吸引了大量的关注，但其实看看你的手机上的语音助手，相机上的人脸识别，今日头条上帮你自动筛选出来的新闻，还有各大音乐软件的歌曲“每日推荐”……形形色色的AI早已进入我们生活的方方面面。

深刻的影响了着我们，可以说，这是一个AI的时代。

其实早在去年年底，谷歌就开源了其用来制作AlphaGo的深度学习系统Tensorflow，相信有不少同学曾经对着这款强大的机器学习系统蠢蠢欲动，但虽然有关Tensorflow的教程其实不少，甚至谷歌官方就在Tensorflow的官网给出了一份详细的教程，也有网站已经将其翻译成了中文（点击查看），但它仍然是有门槛的，尤其是对于对计算机及编程语言了解不深的同学，可能看着页面上凭空给出的代码陷入懵逼。

而今天我要做的，就是带着所有这些几乎没有编程基础却很想学习Tensorflow 的同学跨过这道坎。

告诉你们大家如何准备好使用Tensorflow进行编程所需的一切，以及如何看懂教程上的那些代码所代表的含义，那么废话不多说，我们马上开始。

在Linux操作系统下的安装安装环境Tensorflow的支持列表里是没有Windows的。

虽然可以用Docker来实现在Windows上运行，但小问题很多，它支持的最好的还是基于unix内核的系统，如Linux，因此我们最好还是安装一个Linux的环境来运行它。

Linux是一款免费的开源操作系统，应用非常广泛，如著名的Android就是基于Linux改进的一款针对手机的操作系统。

而对于我们来说，最易于理解的版本就是著名的Ubuntu，点击链接即可去官网下载，正如前面所说，下载和使用都是免费的。

如果你使用的是Mac，那就方便很多了，因为Mac os本身就是一个基于Unix 的操作系统，已经搭载了全部安装Tensorflow所需要的组件。