方案一： 在线体验TensorFlow

借助 Colaboratory（简称 Colab），可在浏览器中编写和执行 Python 代码，Python程序可以直接在浏览器中运行

利用google colab可以在线体验TensorFlow
网站(需要翻墙)
https://colab.research.google.com/github/tensorflow/docs-l10n/blob/master/site/zh-cn/tutorials/quickstart/beginner.ipynb

方案二(推荐) 利用docker构建环境

第一步 安装Docker

Linux 下安装Docker

1. 利用以下方式安装Docker(Linux)

   参考链接: https://www.runoob.com/docker/ubuntu-docker-install.html

   利用命令安装Docker

   curl -fsSL https://get.docker.com | bash -s docker --mirror Aliyun

   如果不是root用户建议执行

   sudo usermod -aG docker your_user_name
   # 比如你的用户名是chrisjaunes
   sudo usermod -aG docker chrisjaunes

2. 检查Docker是否安装完成(Linux)

   1. 利用 docker -v 检查docker是否安装完成

      参考情况($代表命令提示符， 下同)

      $ docker -v
      Docker version 20.10.3, build 48d30b5

   2. 检查Docker是否运行(Linux)

      $ systemctl status docker.service

      Active为active (running)时表示Docker正在运行

   3. 运行Docker, 可能需要root权限, 可以使用sudo

      $ systemctl start docker.service

Windows 下 安装Docker

参考链接: https://www.runoob.com/docker/windows-docker-install.html

直接下载即可

第二步 安装TensorFlow Docker镜像

1. Tensorflow Docker相关

   参考链接https://tensorflow.google.cn/install/docker

   Docker代码库https://hub.docker.com/r/tensorflow/tensorflow/

   映像版本:

   标记	说明
   latest	TensorFlow CPU 二进制映像的最新版本。（默认版本）
   nightly	TensorFlow 映像的每夜版。（不稳定）
   version	指定 TensorFlow 二进制映像的版本，例如：2.1.0
   devel	TensorFlow master 开发环境的每夜版。包含 TensorFlow 源代码。
   custom-op	用于开发 TF 自定义操作的特殊实验性映像。

   每个基本标记都有会添加或更改功能的变体：

   标记变体	说明
   tag-gpu	支持 GPU 的指定标记版本。
   tag-jupyter	针对 Jupyter 的指定标记版本

2. 利用以下方式安装TensorFlow Docker

   在Docker运行情况下

   1. 安装二进制映像的最新版本

   docker pull tensorflow/tensorflow:latest

   2. 安装二进制映像的最新版本，有GPU支持，jupyter支持(推荐)

   docker pull tensorflow/tensorflow:latest-gpu-jupyter

第三步 启动 TensorFlow Docker 容器

1. 要启动配置 TensorFlow 的容器，请使用以下命令格式：

   docker run [-it] [--rm] [-p hostPort:containerPort] tensorflow/tensorflow[:tag] [command]

   例如:
   使用 TensorFlow Docker

   docker run -it tensorflow/tensorflow bash

   使用 TensorFlow:nightly-jupyter 启动 Jupyter 服务器(推荐)

   docker run -it -p 8888:8888 tensorflow/tensorflow:nightly-jupyter

2. 使用CPU时去除告警信息

   告警信息为:

    Could not load dynamic library 'libcudart.so.11.0'; dlerror: libcudart.so.11.0: cannot open shared object file: No such file or directory
   

   解决方案：

   import os
   os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
   import tensorflow as tf

3. 安装jupyter_http_over_ws

   pip install --upgrade jupyter_http_over_ws>=0.0.7 && jupyter serverextension enable --py jupyter_http_over_ws

4. 修改配置文件
   允许所有ip访问
   参考：https://zhuanlan.zhihu.com/p/64524822

方案三 利用pip构建环境

1. 系统要求

   1. Python 3.5-3.8 若要支持 Python 3.8，需要使用 TensorFlow 2.2 或更高版本。

   2. pip 19.0 或更高版本（需要 manylinux2010 支持）

   3. Ubuntu 16.04 或更高版本（64 位）

      macOS 10.12.6 (Sierra) 或更高版本（64 位）（不支持 GPU）

      Windows 7 或更高版本（64 位）

      • 适用于 Visual Studio 2015、2017 和 2019 的 Microsoft Visual C++ 可再发行软件包

   4. Raspbian 9.0 或更高版本

   5. GPU 支持需要使用支持 CUDA® 的卡（适用于 Ubuntu 和 Windows）

2. 检查系统要求

   $ python3 --version
   $ pip3 --version

   如果不满足， 则安装

   $ sudo apt update
   $ sudo apt install python3-dev python3-pip python3-venv

3. 创建虚拟环境(推荐)

   参考资料: https://tensorflow.google.cn/install/pip

4. 安装tensorflow

   pip install --upgrade tensorflow

   如果速度太慢的换可以考虑换个源

   pip install --upgrade tensorflow  --default-timeout=100 -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com

   如果报错Memory Error 可以考虑参数: --no-cache-dir