作者：刘才权
编辑：田 旭
安装平台
1
平台
目前TensorFlow已支持Mac、Ubuntu和Windows三个主流平台（64位平台），
2
GPUvsCPU
在安装时可以选择安装版本是否支持GPU，
3
二进制安装vs源码安装
同时，安装时可以考虑采用二进制安装，还是源码安装，
4
二进制安装
二进制安装可以有很多选择，
5
实际使用选择
手头上有两台电脑，
MacBookPro(Retina,13-inch,Early)处理器：2.7GHzIntelCorei5内存：8GBMHzDDR3显卡：IntelIrisGraphicsMB
攀升兄弟组装台式机处理器：英特尔Corei7-
3.40GHz四核主板：华硕BM-ETM2SERIES内存：8G（威刚DDRMHz）硬盘：三星MZ7TEHMHP-（GB/固态硬盘）显卡：NvidiaGeForceGTX(2GB)其中，MacBookPro采用基于Anaconda的二进制安装方式（仅支持CPU）。Anaconda是一个集成平台，包含大多数机器学习的常用工具，
NumPy：科学运算包
SciPy：在NumPy的基础上构建，功能更加强大的科学计算包
Matplotlib：类似Matlab的绘图工具包
Scikit-learn：经典机器学习工具包
Pandas：数据处理和分析工具包（可用于数据读写、清洗、填充和分析等场景）
采用Anaconda安装方案，一方面MacBookPro的开发环境很容易搭建（几句命令即可完成），另一方面，基于Anaconda的环境，也可以方便验证简单的机器学习算法。
对于台式机则采用了Ubuntu+GPU+TensorFlow源码编译的方式，进行TensorFlow环境搭建，下面我们着重介绍下这种安装方式。
Ubuntu16.04+TensorFlow(GPU)源码编译
1
Ubuntu系统安装
目前，大多数计算机，包括台式机已没有了光驱，同时，Ubuntu的系统安装盘也不易获得。针对这种情况，我们可以采用U盘来进行安装。具体步骤可以参考：《Ubuntu16.04U盘安装图文教程》
2
禁用UEFI安全启动
对于华硕BM-ET主板，UEFI默认是开启的。而UEFI开启会导致第三方驱动安装失败（如显卡驱动，这是源码编译安装GPU支持的TensorFlow，遇到的第一个坑）。具体步骤可以参考：《华硕主板禁用UEFI安全启动》
3
安装NVIDIA驱动
3.1安装方式
英伟达的显卡驱动有三种方式：
apt-get+系统设置安装
安装CUDA时顺便安装
官方下载最新驱动并安装
参考：《Ubuntu16.04安装NVIDIA驱动》
3.2安装步骤
本文采用第一种方案：
sudoapt-getinstallnvidia-然后进入：SystemSettings-SoftwareUpdates-AdditionalDrivers-，选择NVIDIACorporation[UsingNVIDIAbinarydriver]
3.3验证测试
nvidia-smi#若列出GPU的信息列表，表示驱动安装成功nvidia-settings#若弹出设置对话框，亦表示驱动安装成功4
安装CUDA
CUDA(ComputeUnifiedDeviceArchitecture)，是显卡厂商NVIDIA推出的运算平台。可以理解成基于GPU并行计算的应用层接口。
CUDA8.0下载地址
安装Cuda的时候，需要关闭X服务。
sudoservicelightdmstop这时，系统会出现黑屏。此时，同时按住[CTRL+ALT+F1]三个键进入命令行模式（如果不能进入命令行模式，可以参考《alt+ctrl+F1黑屏，解决方案》），
然后输入[账号]，[密码]后登陆。
在CUDA的下载目录运行，
sudoshcuda_xxx.run要注意的是，在询问是否安装“NVIDIAAcceleratedGraphicsDriver”可以选择“是”，
InstallNVIDIAAcceleratedGraphicsDriverforLinux-x86_.62?(y)es/(n)o/(q)uit:y但在后续出现询问是否安装“Xconfiguration”时，则需要选择“否”，否则之前安装的显卡驱动就白安装了。
CUDA安装结束后，则可以恢复到图形界面模式，
sudoservicelightdmstart到这里，CUDA的安装还不算结束，需要将CUDA相关的内容添加到系统环境变量中。安装过程中Summary提示，
Pleasemakesurethat–PATHincludes/usr/local/cuda-8.0/bin–LD_LIBRARY_PATHincludes/usr/local/cuda-8.0/lib64,or,add/usr/local/cuda-8.0/lib64to/etc/ld.so.confandrunldconfigasrootCUDA相关的环境变量可以放在~/.bashrc中，
vi~/.bash_profile在其中，增加如下两行，
exportLD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda-8.0/lib64:/usr/local/cuda-8.0/extras/CUPTI/lib64"exportCUDA_HOME=/usr/local/cuda-8.05
安装cuDNN
cuDNN（CUDADeepNeuralNetwork）相比标准的cuda，它在一些常用的神经网络操作上进行了性能的优化，比如卷积，pooling，归一化，以及激活层等等。下载