第一步 安装Anaconda

tensorflow的安装方式多样，考虑到后续学习的方便，笔者采用Anaconda（下载地址）下安装tensorflow。Anaconda是一个科学计算环境，集成了很多python第三方库，并且管理python版本十分方便。

安装完成后

Anaconda

可以使用Anaconda自带的集成开发环境Spyder（自动安装）进行开发，但笔者尝试学习传说中mac特有的XCode...

第二步 创建虚拟环境

创建虚拟环境有GUI和命令行两种方式。

GUI方式

点击红色方框内的create按钮创建python虚拟环境

创建虚拟环境

命令行方式

打开终端，输入 conda create -n 环境名称 python=3.7，其中python版本为可选字段。

命令如下（mac下）

source activate tensorflow        激活/进入tensorflow环境

source deactivate           退出环境

第三步 安装tensorflow

命令行进入tensorflow的虚拟环境；

命令行 pip3 install tensorflow，会自动安装Anaconda配置好的python版本；

第四步 测试安装结果

1.命令行简单测试

命令行测试

2.IDE测试

前面说了，笔者有意学习XCode，所以就尝试用XCode编程测试。

依次按下图操作

创建project 创建project 配置信息

注意这里Build Tool要选择虚拟环境下的python解释器，否则安装的tensorflow无法import

详细创建工作见 用Xcode创建python项目

编写程序

import tensorflow as tf

print('Hello')

#创建常量和变量

cst = tf.constant(2.0, name='cst')

a = tf.Variable(3.0, name='a')

b = tf.Variable(4.0, name='b')

c = tf.Variable(5.0, name='c')

#定义运算

d = tf.add(c, cst, name='d')

e = tf.multiply(a, b, name='e')

rlt = tf.multiply(d, e, name='rlt')

init_op = tf.global_variables_initializer()

#session

with tf.Session() as ss:

    ss.run(init_op)

    rlt_out = ss.run(rlt)

    print(rlt_out)

测试结果 程序测试

结果表明，tensorflow安装成功。

关于不能选择虚拟环境下的python解释器问题的解决方法。