下载文档原格式
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是什么？如何启动并运行TensorFlow？TensorFlow 是一款用于数值计算的强大的开源软件库，特别适用于大规模机器学习的微调。
它的基本原理很简单：首先在Python 中定义要执行的计算图（例如图9-1），然后TensorFlow 使用该图并使用优化的C++++ 代码高效运行该图。
最重要的是，Tensorflow 可以将图分解为多个块并在多个CPU 或GPU 上并行运行（如图9-2 所示）。
TensorFlow 还支持分布式计算，因此您可以在数百台服务器上分割计算，从而在合理的时间内在庞大的训练集上训练庞大的神经网络（请参阅第12 章）。
TensorFlow 可以训练一个拥有数百万个参数的网络，训练集由数十亿个具有数百万个特征的实例组成。
这应该不会让您吃惊，因为TensorFlow 是由Google 大脑团队开发的，它支持谷歌的大量服务，例如Google Cloud Speech，Google Photos 和Google Search。
当TensorFlow 于2015 年11 月开放源代码时，已有许多深度学习的流行开源库（表9-1 列出了一些），公平地说，大部分TensorFlow 的功能已经存在于一个库或另一个库中。
尽管如此，TensorFlow 的整洁设计，可扩展性，灵活性和出色的文档（更不用说谷歌的名字）迅速将其推向了榜首。
简而言之，TensorFlow 的设计灵活性，可扩展性和生产就绪性，现有框架可以说只有其中三种可用。
这里有一些TensorFlow 的亮点：它不仅在Windows，Linux 和MacOS 上运行，而且在移动设备上运行，包括iOS 和Android。
它提供了一个非常简单的Python API，名为TF.Learn2（tensorflow.con trib.learn），与Scikit-Learn 兼容。
正如你将会看到的，你可以用几行代码来训练不同类型的神经网络。
TensorFlow安装和下载TensorFlow安装具体做法1.在命令行中使用以下命令创建conda 环境（如果使用Windows，最好在命令行中以管理员身份执行）：2.激活conda 环境：3.该命令应提示：4.根据要在conda 环境中安装的TensorFlow 版本，输入以下命令：5.在命令行中输入python，并输入以下代码：6.输出如下：7.在命令行中禁用conda 环境（Windows 调用deactivate 命令，MAC/Ubuntu 调用source deactivate 命令）。
TensorFlow安装过程解读分析Google 使用wheel 标准分发TensorFlow，它是 .whl 后缀的ZIP 格式文件。
Python3.6 是Anaconda 3 默认的Python 版本，且没有已安装的wheel。
在编写本教程时，Python 3.6 支持的wheel 仅针对Linux/Ubuntu，因此，在创建TensorFlow 环境时，这里指定Python 3.5。
接着新建conda 环境，命名为tensorflow，并安装pip，python，wheel 及其他软件包。
conda 环境创建后，调用source activate/activate 命令激活环境。
在激活的环境中，使用pip install 命令安装所需的TensorFlow（从相应的TensorFlow-API URL下载）。
尽管有利用conda forge 安装TensorFlow CPU 的Anaconda 命令，但TensorFlow 推荐使用pip install。
在conda 环境中安装TensorFlow 后，就可以禁用了。
现在可以执行第一个TensorFlow 程序了。
程序运行时，可能会看到一些警告（W）消息和提示（I）消息，最后是输出代码：恭喜你已成功安装并执行了第一个TensorFlow 代码，在下一节中更深入地通读代码。
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。
掌握TensorFlow的基本使用方法TensorFlow是目前深度学习领域最为流行的框架之一，由谷歌公司开发和维护。
它提供了一种灵活、高性能、易于使用的工具，可以用于搭建各种深度学习模型。
本文将介绍TensorFlow的基本使用方法，包括TensorFlow的安装、基本概念、张量操作、计算图、模型的训练和保存等。
一、TensorFlow的安装TensorFlow的安装可以通过pip命令进行，但是需要注意的是，TensorFlow是一个CPU/GPU通用版，安装时需要根据自己的需求选择是安装CPU版还是GPU版。
以下为CPU版TensorFlow的安装命令：```pythonpip install tensorflow```以下为GPU版TensorFlow的安装命令：```pythonpip install tensorflow-gpu```二、基本概念1.张量TensorFlow中最基本的数据结构是张量（tensor），张量可以被看作是多维数组。
张量的秩（rank）表示张量的维度数量，而张量的形状（shape）则表示每个维度的大小。
例如，一个形状为[2,3,4]的张量，表示它有3维，第一维大小为2，第二维大小为3，第三维大小为4。
2.节点在TensorFlow中，节点（node）表示一个操作（operation），节点可以接收零个或多个输入张量，并产生一个输出张量。
例如，加法操作可以接收两个张量并产生一个输出张量。
3.计算图计算图（Graph）是由节点和边（edge）构成的有向无环图。
节点表示操作，边表示张量流动的方向。
计算图是TensorFlow中最重要的概念之一，它可以将整个模型的计算过程可视化，并允许TensorFlow系统对模型进行优化和并行化。
4.会话在TensorFlow中，要用会话（Session）来执行计算图。
会话表示TensorFlow运行时的状态，可以将计算图中的节点操作和张量传输映射到CPU或GPU的硬件上进行运算。
系统Ubuntu 16.04 LTS Anaconda3 python3.6 Tensorflow(要和python版本相对应)安装前须知：用的ubuntu系统，而且文件编辑软件是vi?原本想用上下左右方向键来移动光标，结果却看到^A、^B、^C、^D？用gedit去编辑/etc/vim/vimrc.tiny里面有一句set compatible改成set nocompatible对于退格键backspace的问题，只需在刚才那句话下面加上一句set backspace = 2保存退出就好了。
或者卸载预装的vim tiny版sudo apt-get remove vim-common更新sudo apt-get update安装vim full版sudo apt-get install vim进入编辑器怎么进行编辑：进入编辑器后，我们先按"I”，即切换到“插入”状态。
就可以通过上下左右移动光标，或空格、退格及回车等进行编辑内容了，和WINDOWS是一样的了。
保存退出行，先按“ESC”，输入“冒号”，即":"(不需双引号)，在下方会出现冒号，等待输入命令，输入的是WQ。
保存退出。
保存退出还有二个方法：A：在最后输入命令时，直接输入"x"，也是一样的，即X=WQ。
B：最快捷的方法：按了ESC后，直接按shift+zz，或者切换到大写模式按ZZ，就可以保存退出了，即是按2下大写的Z。
正常退出，正常退出有个前提条件是：打开的文本文件在内容上没有被改动过。
按了ESC 后再输入冒号，在输入命令时，直接输入"q"，不保存退出的方法，很多时候打开了文件，或者修改了一些地方，才发现错了，非常需要不保存退出。
先按ESC，再输入冒号，在输入命令时，直接输入"q!"。
强制退出。
先按ESC，再按冒号，在输入命令时，直接输入"!"，但退出后，会有提示。
Win10下安装tensorflow详细过程⾸先声明⼏点：安装tensorflow是基于Python的，并且需要从Anaconda仓库中下载。
所以我们的步骤是：先下载Anaconda，再在Anaconda中安装⼀个Python，(你的电脑⾥可能本来已经装了⼀个Python环境，但是Anaconda 中的Python是必须再装的)，然后再下载安装tensorflow。
因为anaconda⽀持的python版本与TensorFlow⽀持的python版本不⼀致可能会导致安装出错，因此下载时候⼀定不能下载最新版本的anaconda，要先查询下tensorflow⽀持python哪个版本再下。
tensorflow ⽬前⽀持Python 2.7和3.5版本。
Anaconda对应的python版本号：所以我安装的是：和Python3.5。
这部分可以作为参考，因为看到⼀些博客上说，有的因为版本不匹配安装失败了，⾄少我这两个版本是安装成功了。
⼀，安装Anaconda默认安装即可。
注意此处：进⼊windows中的命令模式，运⾏cmd：输⼊：conda --version 检测anaconda环境是否安装成功⼆，安装Tensorflow安装Tensorflow，在Anaconda Prompt中输⼊：conda create -n tensorflow python=3.5⼀般情况下下载会很慢，⼤概率会失败，因为⼀般默认链接的都是国外镜像地址，下载肯定很慢。
改⼀下链接镜像的地址：打开安装好的Anaconda中的 Anaconda Prompt，然后输⼊：conda config --set show_channel_urls yes这两⾏代码⽤来改成连接清华镜像的。
打开C:\Users\Administrator\.condarc⽂件：删除两⾏代码：ssl_verify: true- defaults然后在Anaconda Prompt中输⼊：conda create -n tensorflow python=3.5如果有多次安装不成功的情况，在安装成功的那⼀次会提⽰：只需要按照提⽰指令，清理缓冲即可。
关于windows下Tensorflow和pytorch安装教程⼀、Tensorflow安装1、Tensorflow介绍Tensorflow是⼴泛使⽤的实现机器学习以及其它涉及⼤量数学运算的算法库之⼀。
Tensorflow由Google开发，是GitHub上最受欢迎的机器学习库之⼀。
Google⼏乎在所有应⽤程序中都使⽤Tensorflow来实现机器学习。
例如，如果您使⽤到了Google照⽚或Google语⾳搜索，那么您就间接使⽤了Tensorflow模型。
它们在⼤型Google硬件集群上⼯作，在感知任务⽅⾯功能强⼤。
2、Tensorflow安装（cpu版本）我的环境是Anaconda3.5.2m，安装的是旧版本的tensorflowpip install tensorflow==1.8.03、新版本安装pip install tensorflowpip install -U --ignore-installed wrapt enum34 simplejson netaddrpip install tensorflow4、验证代码import tensorflow as tfhello = tf.constant('Hello, TensorFlow!')sess = tf.Session()print(sess.run(hello))5、警告Your CPU supports instructions that this TensorFlow binar......处理#忽略警告处理⽅法import osos.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'6、GPU版本安装（win10+1050ti)1、下载安装CUDA（找到安装包⼀直下⼀步）2、安装CUDNN(需要登录才能下载)解压CUDNN安装包打开CUDA安装位置把CUDNN中的bin、lib、include⽬录中的⽂件复制到CUDA对应的⽬录中3、安装tensirflow-guppip install tensorflow-gpu==1.8.0⼆、pytorch安装1、pytorch介绍pytorch是⼀个python优先的深度学习框架，是⼀个和tensorflow，Caffe，MXnet⼀样，⾮常底层的框架。
深度学习框架TensorFlow的使用方法解析深度学习技术在人工智能领域的应用越来越广泛，TensorFlow 作为当前最流行的深度学习框架之一，被许多研究人员和工程师所采用和推崇。
本文将详细解析TensorFlow的使用方法，帮助读者快速上手和应用该框架。
一、TensorFlow简介TensorFlow是由Google Brain团队开发的一个开源的深度学习框架。
它提供了丰富的工具和功能，使得开发者可以更加便捷地构建、训练和部署各种深度学习模型。
TensorFlow的核心思想是通过构建计算图来描述复杂的数学计算过程，然后通过在图上执行计算来得到最终结果。
二、安装TensorFlow在开始使用TensorFlow之前，我们需要先安装它。
TensorFlow 可以通过多种方式进行安装，包括使用pip工具进行安装、使用Docker容器、安装GPU版本等。
在安装过程中，可以根据自己的需要选择合适的版本和配置。
三、构建计算图TensorFlow的核心概念是计算图，它是一个有向无环图，表示了数据流和运算操作之间的依赖关系。
首先，我们需要创建一个默认的计算图：```pythonimport tensorflow as tfpat.v1.disable_eager_execution() # 在TensorFlow 2.0及以上版本需要加入此行代码# 创建默认计算图graph = pat.v1.get_default_graph()```接下来，我们可以使用TensorFlow提供的各种运算操作来构建计算图。
例如，我们可以创建输入节点、变量节点和运算节点：```python# 创建输入节点input_node = pat.v1.placeholder(tf.float32, shape=[None, 784])# 创建变量节点weights = tf.Variable(tf.zeros([784, 10]))biases = tf.Variable(tf.zeros([10]))# 创建运算节点output_node = tf.matmul(input_node, weights) + biases```四、运行计算图当计算图构建完成后，我们可以通过创建会话（Session）来运行计算图，并获取最终结果。
Anaconda上安装Tensorflow并在jupyter上运⾏亲测有⽤，感谢博主安装好Anaconda后，打开Anaconda Prompt1、建⽴⼀个conda计算环境，命名为tensorflowconda create -n tensorflow python=3.62、激活环境，使⽤conda安装tensorflow(同样可选CPU或GPU版本)activate tensorflow(tensorflow)C:\>pip3 install --ignore-installed --upgrade https:///tensorflow/windows/cpu/tensorflow-1.0.1-cp35-cp35m-win_amd64.whl3、安装cpu版本的tensorflowpip install --upgrade --ignore-installed tensorflow 当不使⽤tensorflow时，通过deactivate来关闭tensorflow环境4、测试是否安装成功，在终端进⼊python，输⼊import tensorflow as tf测试是否安装成功#TensorFlow使⽤图(Graph)来表⽰计算任务；并使⽤会话(Session)来执⾏图，通过Session.close()来关闭会话（这是⼀种显式关闭会话的⽅式）。
会话⽅式有显式和隐式会话之分。
import tensorflow as tfhello = tf.constant('Hello, TensorFlow!') #初始化⼀个TensorFlow的常量sess = tf.Session() #启动⼀个会话print(sess.run(hello))5、以上算是Anaconda中安装好了Tensorflow，要想在Jupyter上使⽤，还需要进⾏如下配置接着安装ipython，安装jupyter(tensorflow)D:\>conda install ipython(tensorflow)D:\>conda install jupyter6、接着输⼊：(tensorflow)D:\>ipython kernelspec install-self --user 看到这个结果Installed kernelspec python3 in C:\Users\XXX\Jupyter\kernels\python3 然后再去 jupyter notebook 新建⼀个⽂件，试试 import tensorflow as tf，这时应该就可以⽤啦。
Tensorflow_安装和运行本文主要描述基于ubuntu操作系统下Tensorflow安装运行的一个完整的过程。
其中包含了对于ubuntu操作系统的相关的命令和功能进行介绍，以便于对ubuntu不熟悉的爱好者顺利完成Tensorflow的安全中运行。
在根据本文实施Tensorflow的安装及运行之前，需要安装好ubuntu14或更高级别的操作系统。
Bazel是google的代码构架工具。
Tensorflow是基于Bazel和Swig来建立Tensorflow的框架的。
Tensorflow框架以Python为主要语言开发，同时将一些运算密集的功能模块通过C/C++来实现并进行封装。
Tensorflow利用Swig提供了Python调用C/C++所开发功能模块的接口。
Tensorflow中算法模块的运行要依靠Bazel进行Build后运行。
Bazel的安装及使用可参考bazel.io网站的资料和软件。
Swig中的*.i文件，用于记录被python调用文件名为“*.py”的功能模块。
本文档中关于Tensorflow安装的内容主要为前两章。
第三章讲述了采用bazel构建tensorflow框架。
后面章节的内容主要涉及bazel以及swig的安装和实例。
1.Tensorflow的安装1.1 无Tensorflow源码的安装及运行Pip 安装备注：如果之前安装过TensorFlow < 0.7.1 的版本,应该先使用pip uninstall卸载TensorFlow 和protobuf ,保证获取的是一个最新protobuf 依赖下的安装包. 可以先下载tensorflow-0.8.0-cp27-none-linux_x86_64.whl文件在采用上述命令进行安装。
Tensorflow0.6.0的网址：https:///tensorflow/tensorflow/tree/0.6.0千万别用tensorflow的0.5.0版本，各种编译和attribute等类型的错误。
进行以上安装之后，就可以运行以下简单的代码：运行一个简单的TensorFlow打开一个python 终端:1.2 可以修改Tensorflow源码的安装及运行从源码安装，需要克隆TensorFlow 仓库。
采用源码安装可以看到各种被调用的库文件和函数的功能语句。
采用源码安装需要同时安装bazel来对所安装的源码进行编译。
先用sudo apt install git命令安装git功能安装Bazel(http://www.bazel.io/docs/install.html)在tensorflow根目录下，可能需要先执行编译命令：./compile在bazel或tensorflow文件夹下可能需要执行配置命令:./configure-c opt训练你的第一个TensorFlow 神经网络模型1.3采用源码安装后tensorflow项目的运行例子采用bazel build tensorflow中项目文件的关键步骤，按照本文的步骤安装并下载tensorflow、bazel、swig等软件和项目后，进入顶层目录tensorflow。
与1.2中对于tensorflow库的整体编译不同，本小节注重于具体tensorflow项目的build和运行。
由于Tensorflow是基于bazel系统来构建的，因此对于具体应用项目的build采用bazel中的对应的命令如下：(1)对mnist中的convolutional模块进行buildbazel build //tensorflow/models/image/mnist:convolutional(2)运行build之后的上述convolutional模块：Bazel-bin/tensorflow/models/image/mnist/convolutional“bazel build”命令所针对的模块所处的文件夹下必须要有BUILD文件。
此份BUILd文件中必须定义convolutional模块的名称；定义语句为：name=“convolutional”。
注意，在tensorflow 所处的目录下也必须要有BUILD文件和WORKSPACE文件。
利用bazel进行功能模块build的过程参考bazel io目录下的getting started with bazel文档。
其它bazel中BUILD的例子bazel build -c opt //tensorflow/models/image/mnist:convolutionalbazel build //tensorflow/examples/tutorials/mnist:fully_connected_feedbazel build //tensorflow/examples/tutorials/word2vec:word2vec_basicbazel BUILD至运行的例子Make sure you have "/usr/local/bin" in your path. You can also activate bashcompletion by adding the following line to your ~/.bashrc:source /usr/local/lib/bazel/bin/bazel-complete.bash设置环境变量PATH 为/usr/local/arm/3.3.2/bin 外加原来的PATH 变量内容。
比如PA TH 原来的变量为/usr/bin这个命令之后，PATH 内容就是/usr/local/arm/3.3.2/bin:/usr/bin其中: 是每个目录的分隔符，$XXXX 是引用XXXX 这个变量的值，没$ ，PATH 就是4个字母，不会被识别为变量。
export 是赋值的命令export PATH="$PATH:/usr/local/bin"$ cd ~/gitroot/my-project$ bazel build //:my-runnerINFO: Found 1 target...Target //:my-runner up-to-date:bazel-bin/my-runner.jarbazel-bin/my-runnerINFO: Elapsed time: 1.021s, Critical Path: 0.83s$ bazel-bin/my-runnerHi!2.Ubuntu常用命令及功能2.1 安装文件命令sudo apt-get install python-dev; # 安装python的辅助库文件等文件。
pip install six # 安装python的six库文件sudo apt-get intall python-pip # 安装python的pip文件包sudo apt-get intall swig # 安装python的swig软件sudo apt-get intall pcre # 安装python的pcre软件，#安装swig之前可能需要先安装pcre软件；sudo apt-get updatesudo apt-get install libpcre3 libpcre3-dev可能还需要安装：Sudo apt-get install openssl libssl-dev安装swig如果采用linux下的压缩文件.gz、.tar.gz压缩文件作为swig的安装文件，则采用以下三个命令：./configure, make, makeinstall 三个命令；2.2功能命令Sudo su更改当前用户为root用户；chmod 777 folder 改变folder文件夹的属性为所有用户都具备读写权限；搜索某个程序的命令：whereis command搜索某个文件的命令：find filename；locate filename或folder name$ which python命令可以查看python可执行文件所处位置；mkdir newfolder 生成新的文件夹命令；这个命令在root用户的权限下可生成任何文件夹。
rm –rf filefolder删除文件夹命令echo $PATH 显示路径export PATH=”$PATH:/home/zj/bazel….”添加目录ubuntu系统下的*.sh文件是可运行的脚本文件。
$cat >filename 创建新的文件，不能编辑已有文件按下ctrl-h 命令可显示当前目录下隐藏的文件。
ls –l 列出当前目录下所有文件夹的读写属性grep ‘function_name’–R 可用于搜索ubuntu的文档中所包含的’ function_name’字符。
2.3 重要文件及功能~/.bashrc代表用户主目录下的.bashrc文件，这个文件包含ubuntu可执行文件所处的目录，用于执行命令时(可执行文件对应的命令)时供系统进行搜索。
~/代表当前用户的主目录./filename: 一个点代表当前目录，两个点代表上级目录通过用户目录下的./bashrc文件可设置本用户的路径$gedit ~/.bashrc在所打开文件的最后增加需要设置变量的shell语句，例如：export PATH=~/mypath/bin $PATH保存后，在新打开的终端生效。
Python的可执行文件位于“/usr/bin/”文件夹下面；Python的其它头文件位于“/usr/include/python2.7/”文件夹下面；3.VirtualEnv环境的搭建基于VirtualEnv 的安装：我们推荐使用virtualenv 创建一个隔离的容器, 来安装TensorFlow. 这是可选的, 但是这样做能使排查安装问题变得更容易.首先, 安装所有必备工具:# 在Linux 上:$ sudo apt-get install python-pip python-dev python-virtualenv# 在Mac 上:$ sudo easy_install pip # 如果还没有安装pip$ sudo pip install --upgrade virtualenv接下来, 建立一个全新的virtualenv 环境. 为了将环境建在~/tensorflow 目录下, 执行:$ virtualenv --system-site-packages ~/tensorflow$ cd ~/tensorflow然后, 激活virtualenv:$ source bin/activate # 如果使用bash$ source bin/activate.csh # 如果使用csh(tensorflow)$ # 终端提示符应该发生变化在virtualenv 内, 安装TensorFlow:(tensorflow)$ pip install --upgrade <$url_to_binary.whl>接下来, 使用类似命令运行TensorFlow 程序:(tensorflow)$ cd tensorflow/models/image/mnist(tensorflow)$ python convolutional.py# 当使用完TensorFlow(tensorflow)$ deactivate # 停用virtualenv4.Tensorflow的构建框架在静下心来默默看了大半年机器学习的资料并做了些实践后，打算学习下现在热门的TensorFlow的实现，毕竟系统这块和自己关系较大。
