先安裝了Anaconda（點擊進入官網）。因為它集成了很多Python的第三方庫，而且可以方便的管理不同版本的Python，在不同版本的Python之間切換。而且Anaconda是一個科學計算環境，在電腦上安裝完Anaconda之后，除了相當於安裝了Python，也安裝好了一些常用的庫。
筆者安裝的是Python 2.7版的Anaconda，在安裝好Anaconda之后，就已經安裝好了Python和一些常用的庫了。此外，還自動安裝了Spyder。
Spyder是Python一個簡單的集成開發環境，和其他的Python開發環境相比，它最大的優點就是模仿MATLAB的“工作空間”的功能，可以很方便地觀察和修改數組的值。
在終端中輸入Spyder就可以打開它了，如下圖所示：
但是筆者更喜歡使用Pycharm作為開發環境
三、建立、激活、安裝Tensorflow
打開終端，在上面輸入：
conda create -n tensorflow python=2.7
然后等執行完畢之后，再執行：
source activate tensorflow至此就激活了運行環境。
然后再執行pip install tensorflow以進行Tensorflow的安裝。
如果遇到速度很慢而安裝失敗，這個時侯可以考慮使用國內的鏡像地址
常用的有以下幾個：
阿里雲
http://mirrors.aliyun.com/pypi/simple/
中國科技大學
https://pypi.mirrors.ustc.edu.cn/simple/
豆瓣(douban)
http://pypi.douban.com/simple/
清華大學
https://pypi.tuna.tsinghua.edu.cn/simple/ （這個地址速度測試不錯）
中國科學技術大學
http://pypi.mirrors.ustc.edu.cn/simple/
當然，安裝命令需要加上參數
pip install tensorflow -i https://pypi.tuna.tsinghua.edu.cn/simple/
然后再執行以下Hello Tensorflow代碼測試Tensorflow是否安裝成功
import tensorflow as tf
import os
os.environ["CUDA_VISIBLE_DEVICES"]="0"
a=tf.constant(2)
b=tf.constant(3)
with tf.compat.v1.Session() as sess:
print("a:%i" % sess.run(a),"b:%i" % sess.run(b))
print("Addition with constants: %i" % sess.run(a+b))
print("Multiplication with constant:%i" % sess.run(a*b))
注意這個哦tf.compat.v1.Session()，因為我的是2.1版本和1.x的版本變化很大的。
結果
