操作系统版本 ubuntu18.0.4
机器树莓派4B
目标安装 tensorflow
先看下面连接文章，下载到你需要的tensorflow
树莓派4B安装Tensorflow（Python3.5和3.7下分别进行安装）
下载的版本需要和你的机器、操作系统和python版本 三者对应
在安装tensorflow之前，需要安装一些工具，再安装一些依赖库
首先安装
sudo apt-get install libhdf5-dev
然后安装cython（不是cpython）
sudo pip install Cython
和wheel
sudo pip install wheel
准备工作已经做好
接下来可以直接sudo pip install tensorflow-2.2.0-cp37-none-linux_aarch64.whl
pip会自动解决tensorflow的依赖库，但是其中scipy和h5py会比较缓慢
keras-preprocessing, gast, absl-py, grpcio, h5py, opt-einsum, tensorflow-estimator, termcolor, protobuf, tensorboard-plugin-wit, wheel, pyasn1, rsa, cachetools, pyasn1-modules, google-auth, oauthlib, requests-oauthlib, google-auth-oauthlib, zipp, importlib-metadata, markdown, werkzeug, tensorboard, wrapt, astunparse, google-pasta, tensorflow这些是sudo pip install tensorflow-2.2.0-cp37-none-linux_aarch64.whl命令运行的时候检查并安装的依赖库，
如果安装的时候卡住，退出手动安装一下
sudo pip install xxxx
安装完成后
运行下面代码
import tensorflow as tf
print(tf.__version__)
mnist = tf.keras.datasets.mnist
(x_train, y_train),(x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0
model = tf.keras.models.Sequential([
tf.keras.layers.Flatten(input_shape=(28, 28)),
tf.keras.layers.Dense(128, activation='relu'),
tf.keras.layers.Dropout(0.2),
tf.keras.layers.Dense(10, activation='softmax')
])
model.compile(optimizer='adam',
loss='sparse_categorical_crossentropy',
metrics=['accuracy'])
model.fit(x_train, y_train, epochs=5)
model.evaluate(x_test, y_test)如果输出正常，说明tensorflow基本功能已经ok
