简介

TensorFlow 是一个端到端开源机器学习平台。它拥有一个全面而灵活的生态系统，其中包含各种工具、库和社区资源，可助力研究人员推动先进机器学习技术的发展，并使开发者能够轻松地构建和部署由机器学习提供支持的应用。那它能干什么用呢？

1. 轻松地构建模型：在即刻执行环境中使用 Keras 等直观的高阶 API 轻松地构建和训练机器学习模型，该环境使我们能够快速迭代模型并轻松地调试模型。
2. 随时随地进行可靠的机器学习生产：无论您使用哪种语言，都可以在云端、本地、浏览器中或设备上轻松地训练和部署模型。
3. 强大的研究实验：一个简单而灵活的架构，可以更快地将新想法从概念转化为代码，然后创建出先进的模型，并最终对外发布。

一. Aconada安装

下载Aconada镜像地址： https://mirror.tuna.tsinghua.edu.cn/help/anaconda/

如果安装了numpy记得卸载，每个tensorflow对应的numpy版本不同。
卸载命令: pip3 uninstall numpy

给文件记得授予权限，此处给的是777，然后执行sh文件

关于此处为何要改安装位置，是因为小编的根目录下内存已满。可以使用df -h 命令查看。

看到这样的提示即安装成功。

二. 配置conda环境变量

三. TensorFlow安装

在命令行中使用以下命令创建 conda 环境：
conda create -n tensorflow python=3.5 (请对应自己python版本，这儿忘截图了，用另一台虚拟机截的图)

上图报错，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
如果还是不行，将https换为http

从镜像源处下载tensorflow并安装，镜像源地址：
https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple/tensorflow/
找到对应自己python版本的文件，复制文件名到路径，命令为：
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

此命令不适合python3.8，小编尝试失败了。下载下来运行提示需要安装依赖的库，比较多。

tensorflow至此安装完毕。

四. 问题整理

一. No space left on device

解决方案：扩展空间，并设置自启动挂载

js