推荐TF官方指南：（可能需要自备梯子）
https://tensorflow.google.cn/install/pip
根据实际情况挑选适合自己设备的安装包。
本处采用Ubuntu 16.04 （64 位）系统，tensorflow-gpu（支持GPU的版本），Python 3.5环境。采用virtualenv虚拟环境搭建TF，
（1）创建TF学习专用虚拟环境：
①创建一个新的虚拟环境（https://virtualenv.pypa.io/en/stable/installation/ ），选择 Python 解释器（可选py2或py3，此处选择py3）并创建一个 ./TF_Py3 目录来存放它：
-若virtualenv采用安装包安装：
virtualenv --system-site-packages -p python3 ./TF_Py3
-若virtualenv采用源码安装：
cd virtualenv-16.0.0
python3 virtualenv.py TF_Py3
②激活虚拟环境：
source ./TF_Py3/bin/activate
当 virtualenv 处于有效状态时，shell 提示符带有 (TF_Py3) 前缀。
③在不影响主机系统设置的情况下，在虚拟环境中安装软件包。首先升级 pip：
(TF_Py3) $ pip install --upgrade pip
(TF_Py3) $ pip list # show packages installed within the virtual environment
注：之后要退出 virtualenv，请使用以下命令：
(TF_Py3) $ deactivate
（2）安装TensorFlow pip 软件包
选择支持GPU的TF进行安装。
如果pip方式安装时网速可以，直接选择pip方式安装TF。
(TF_Py3) $ pip install --upgrade tensorflow-gpu
在安装过程中会附带安装一些其他依赖包，需要保持网络通畅。
安装完毕后，通过pip list可以看到所安装的包：
验证安装效果：
(TF_Py3) $ python -c "import tensorflow as tf; tf.enable_eager_execution(); print(tf.reduce_sum(tf.random_normal([1000, 1000])))"
如果没有报错，则说明安装完成并可正常使用。
不过pip方式安装TF会默认下载X86_64的SIMD版本，此版本不支持CPU的AVX2编译。则在程序运行时会有一个CPU编译警告的提示：
一般在代码开头加上以下两行即可忽略该警告：
import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
注：
os.environ["TF_CPP_MIN_LOG_LEVEL"]='1' # 默认的显示等级，显示所有信息。
os.environ["TF_CPP_MIN_LOG_LEVEL"]='2' # 只显示 warning 和 Error。
os.environ["TF_CPP_MIN_LOG_LEVEL"]='3' # 只显示 Error。
也可直接下载支持CPU AVX2编译的TF版本进行安装。
如果提示其他异常信息，则对应处理：
如在import tensorflow as tf后遇以下报错：
ImportError: libcublas.so.9.0: cannot open shared object file: No such file or directory
说明找不到libcublas.so.9.0文件。
检查目录 /usr/local/cuda-9.0/lib64 下是否有 libcublas.so.9.0，如果有的话，在终端输入:
(TF_Py3) $ sudo ldconfig /usr/local/cuda-9.0/lib64
让该动态链接库为系统所共享。
如果没有，说明未安装符合要求的CUDA及CUDNN，需要下载相应版本并安装。
