TensorFlow学习_(1)TensorFlow安装(Mac)

TensorFlow可以使用docker。pip或源码安装，docker支持的操作系统最多，但是对GPU支持有限；在本地最方便安装的方式是使用pip；源码安装较为灵活但是比较繁琐。由于我用的是pip安装，所以简单介绍此种方式在Mac上的安装方法。

---

1. 安装pip

   $ sudo easy_install pip
   $ sudo easy_install --upgrade six

2. 找到合适的安装包URL

   支持不同系统和处理器的安装包如下：

   
   # Mac OS X, CPU only, Python 2.7:
   
   $ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-1.0.0-py2-none-any.whl
   
   
   # Mac OS X, GPU enabled, Python 2.7:
   
   $ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/mac/gpu/tensorflow_gpu-1.0.0-py2-none-any.whl
   
   
   # Mac OS X, CPU only, Python 3.4 or 3.5:
   
   
   $ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-1.0.0-py3-none-any.whl
   
   
   # Mac OS X, GPU enabled, Python 3.4 or 3.5:
   
   $ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/mac/gpu/tensorflow_gpu-1.0.0-py3-none-any.whl

3. 通过pip安装TensorFlow

   
   # Python2环境:
   
   $ sudo pip install --upgrade $TF_BINARY_URL
   
   
   # Python3环境:
   
   $ sudo pip3 install --upgrade $TF_BINARY_URL

4. 测试是否安装成功

   进入python环境，如下代码测试：

   >>> import tensorflow as tf
   >>> a = tf.constant([1.0, 2.0], name = "a")
   >>> b = tf.constant([2.0, 3.0], name = "b")
   >>> result = a + b
   >>> sess = tf.Session()
   >>> sess.run(result)
   array([ 3.,  5.], dtype=float32)

   最后一行即为正确输出结果。
   如下图：
   
   注：上图红框部分意思是说：你的机器上有这些指令集可以用，并且用了他们会加快你的 CPU 运行速度，但是你的 TensorFlow 在编译的时候并没有用到这些指令集。如果觉得不好的话，可以尝试用编译源码安装解决，但是由于不影响使用，暂时不做解决。