写在前面：
各行各业都有框架，我们在不知不觉中也会使用各种各样的框架，比如进行web开发时就有Django、flask、SSM、bootstrap、vue.js等等框架。深度学习框架是一种界面、库或工具，它使我们在无需深入了解底层算法的细节的情况下，能够更容易、更快速地构建深度学习模型。其目的就是为了减少开发工作量，提高开发效率，很多基础性的工作，别人已经帮你做好了，包括各种各样的学习算法等等，我们只需要学会如何使用这个框架，要调用那些模块，要设置那些参数等等，就可以开始进入深度学习的广阔天地了。深度学习的优秀框架非常多，且各有各的特点，本文选择比较有影响力的tensorflow。
一、TensorFlow简介
TensorFlow™是一个基于数据流编程的符号数学系统，被广泛应用于各类机器学习算法的编程实现，其前身是谷歌的神经网络算法库DistBelief，而DistBelief的功能是构建各尺度下的神经网络分布式学习和交互系统，也被称为“第一代机器学习系统”。
TensorFlow由谷歌人工智能团队谷歌大脑开发和维护，拥有包括TensorFlow Hub、TensorFlow Lite、TensorFlow Research Cloud在内的多个项目以及各类应用程序接口（Application Programming Interface, API）。自2015年11月9日起，TensorFlow依据阿帕奇授权协议（Apache 2.0 open source license）开放源代码 。
最新版本为：2.1 /2020年1月8日
稳定版本为：1.12.0/2018年10月9日
Tensorfloe官网：https://tensorflow.google.cn/
Tensorflow中文社区：http://www.tensorfly.cn/
二、TensorFlow安装
TensorFlow支持多种客户端语言下的安装和运行，其中Python语言下提供四个不同版本：
1、CPU版本（tensorflow）
2、GPU加速的版本（tensorflow-gpu）
3、CPU每日编译版本 （tf-nightly）
4、GPU加速每日编译版本 （tf-nightly-gpu）
可以使用模块管理工具pip/pip3 或anaconda安装Python版TensorFlow并在终端直接运行。
本文安装方式：anaconda可视化界面安装
打开anaconda navigator，选择一个虚拟环境，点击channels,检查是否设置了国内清华镜像
如果没有的话，选择添加：https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
选择框选择All，搜索框输入tensorflow，即可找到各种tensorflow版本，
如果电脑有英伟达（NVIDIA）的显卡，最好选择gpu版本的，cpu版本的只适合入门练习，不适合比较大的项目，当然，如果没有英伟达的显卡，就只能选择cpu版本，即不带gpu的。如图，可以看到最新版本号为2.1
在要安装的版本前打勾，选中要安装的版本，鼠标右键可选择要安装的版本号，本文安装1.14，因为很多比较经典的开源项目是在比较早的tensorflow版本下开发的，随着tensorflow版本的升级，早先的一些函数功能已经被弃用，如果安装了最新的版本，可能无法正常使用这些项目。当然也可以根据自己的需要，选择对应的版本进行体验。
选中要安装的版本，点击apply
安装过程提示
将选择框切换带installed，可以看到tensorflow框架已经安装成功
同样，在文件夹中可以看到已经安装成功了
三、安装结果检查
打开cmd窗口，进入conda虚拟环境
conda activate test
进入python解释器
python
如不能成功打开，可考虑先切换目录到envs下
cd E:\anaconda3\envs
E:
conda activate test
python
依次输入py语句
-
import tensorflow as tf #导入tensorflow模块包中的tf对象
-
hello = tf.constant('hello world') #使用tf创建一个常量
-
sess = tf.Session() #使用tf创建一个Session对话
-
print(sess.run(hello) #打印Session对话
此时，py程序中可以使用tensorflow模块了，说明我们的tensorflow框架安装成功
值得注意的是，这只是一个简单测试，并不是唯一验证是否正确安装tensorflow的标准，另外，如果安装了2.0以上的版本，是不会得出正确结果的，因为从2.0版本开始已经移除了tf.Session()功能
退出python解释器
exit()
注意括号是英文状态下的
退出虚拟环境
conda deactivate
下一节将介绍一个更好用的python编程IDE，pycharm
未完待续...
附1 tensorflow github开源项目地址
https://github.com/scikit-learn/scikit-learn
附2 tensorflow 中文文档
https://tensorlayercn.readthedocs.io/zh/latest/
附3 Tensorflow中文社区入门教程