簡介

TensorFlow 是一個端到端開源機器學習平臺。它擁有一個全面而靈活的生態系統，其中包含各種工具、庫和社區資源，可助力研究人員推動先進機器學習技術的發展，并使開發者能夠輕松地構建和部署由機器學習提供支持的應用。那它能干什么用呢？

1. 輕松地構建模型：在即刻執行環境中使用 Keras 等直觀的高階 API 輕松地構建和訓練機器學習模型，該環境使我們能夠快速迭代模型并輕松地調試模型。
2. 隨時隨地進行可靠的機器學習生產：無論您使用哪種語言，都可以在云端、本地、瀏覽器中或設備上輕松地訓練和部署模型。
3. 強大的研究實驗：一個簡單而靈活的架構，可以更快地將新想法從概念轉化為代碼，然后創建出先進的模型，并最終對外發布。

一. Aconada安裝

下載Aconada鏡像地址： https://mirror.tuna.tsinghua.edu.cn/help/anaconda/

如果安裝了numpy記得卸載，每個tensorflow對應的numpy版本不同。
卸載命令: pip3 uninstall numpy

給文件記得授予權限，此處給的是777，然后執行sh文件

關于此處為何要改安裝位置，是因為小編的根目錄下內存已滿。可以使用df -h 命令查看。

看到這樣的提示即安裝成功。

二. 配置conda環境變量

三. TensorFlow安裝

在命令行中使用以下命令創建 conda 環境：
conda create -n tensorflow python=3.5 (請對應自己python版本，這兒忘截圖了，用另一臺虛擬機截的圖)

上圖報錯，需要配置源：
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes
如果還是不行，將https換為http

從鏡像源處下載tensorflow并安裝，鏡像源地址：
https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple/tensorflow/
找到對應自己python版本的文件，復制文件名到路徑，命令為：
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple/ https://mirrors.tuna.tsinghua.edu.cn/tensorflow/windows/cpu/tensorflow-0.12.1-cp35-cp35m-manylinux1_x86_64.whl

此命令不適合python3.8，小編嘗試失敗了。下載下來運行提示需要安裝依賴的庫，比較多。

tensorflow至此安裝完畢。

四. 問題整理

一. No space left on device

解決方案：擴展空間，并設置自啟動掛載

以上就是Python3安裝tensorflow的詳細內容，更多關于Python3安裝tensorflow的資料請關注腳本之家其它相關文章！