环境配置
可运行的系统版本
- Ubunte 16.04或更高版本
- Windows 7或更高版本
- Mac OS 10.12.6(Sierra)或更高版本
- Raspbian 9.0或更高版本
软件环境安装及配置
这里不在推荐使用anaconda了，因为anaconda版权的问题，国内的镜像源大部分已经不再更新了，仅仅有清华源获得了授权，但是也不确定以后会不会因为其他原因而停止，因此在这里建议直接使用Python虚拟环境来学习和使用tensorflow
Python版本及科学计算常用到的模块
- pyenv
- python 3.6.8
- numpy
- pandas
- matplotlib
- jupyter notebook
- scikit-learn
- tensorflow
Pyenv安装及基本使用
Pyenv是一个Python多版本管理工具，帮助我们在日常开发多个版本的无间隔互相转换，方便我们的开发工作，同时隔离Python环境，避免包版本冲突
Pyenv安装
由于pyenv使依赖于git的，因此我们需要先安装git
yum -y install git
然后使用curl来安装pyenv，pyenv其实就是一个shell脚本有兴趣的可以看下
curl -L https://raw.githubusercontent.com/yyuu/pyenv-installer/master/bin/pyenv-installer | bash
安装完成后会提示配置环境变量
vim ~/.bash_profile
追加下面的内容
export PATH="~/.pyenv/bin:$PATH"
eval "$(pyenv init -)"
eval "$(pyenv virtualenv-init -)"Pyenv的基本使用
安装Python需要的依赖关系
yum -y install gcc make patch
yum -y install gdbm-devel openssl-devel sqlite-devel readline-devel zlib-devel bzip2-devel ca-certificates
安装Python
pyenv install 3.6.8
设置当前目录的Python环境
pyenv local 3.6.8
设置Python全局环境
pyenv global 3.6.8
注意：如果可以的话永远不要使用这个命令，因为当使用了global命令的话，就将其项目的python版本也都修改成global设置的版本了，这样就会出现很大的纰漏
若是错误使用了global，则只需要删除version文件即可，但是千万注意，一定不要删除了其他的文件Pyenv虚拟环境
有的时候会在多个项目中使用同一个python版本，若是还是使用上面的方法的话，就会出现错误，而且仅仅只是修改了在当前目录下执行python操作的版本，因此在这里就需要用到python的虚拟环境
其实说白了创建一个python版本的虚拟环境就是copy了一份版本信息
创建虚拟环境
pyenv virtualenv 3.6.8 tensorflow
执行pyenv versions查看python版本时候，会返回下面的结果：
* system (set by /root/.pyenv/version)
3.6.8
3.6.8/envs/tensorflow
tensorflow
这个时候我们会发现多了两个python的版本，在这里说明下，那个单独的tensorflow的
版本就是为了方便我们的使用，其实tensorflow这个版本可以说是一个别名，链接到
3.6.8/envs/tensorflow这个版本的
下面我们就使用lcoal方法使用tensorflow这个别名对应的版本吧
pyenv local lanyulei
当我们不用这个虚拟环境了，想删除那么执行下面的命令即可
pyenv uninstall lanyulei
虚拟环境目的是在于隔离，隔离第三方包
因为每个项目可能依赖相同的第三方包，但是版本不同因此需要隔离安装科学计算常用到的模块
这里直接使用pip豆瓣源进行安装
安装CPU版本的tensorflow
pip install numpy pandas matplotlib notebook scikit-learn tensorflow==2.0.0 -i https://pypi.douban.com/simple安装GPU版本的tensorflow
pip install numpy pandas matplotlib notebook scikit-learn tensorflow-gpu==2.0.0 -i https://pypi.douban.com/simple如果使用GPU的tensorflow的话，就需要安装NAIDIA的相关软件
自行百度安装吧
CUDA toolkit
tensorflow 支持 CUDA 10.0
cuDNN SDK
7.4.1及更高的版本，用于深度神经网络的GPU加速原语库检查tensorflow安装是否成功
In [1]: import tensorflow as tf
In [2]: tf.__version__
Out[2]: '2.0.0'打印tensorflow版本号，因为我们安装的是tensorflow 2.0，因此输出了2.0.0，表示我们已经安装成功了