python3.8安装tensorflow_使用 pip 安装 TensorFlow
TensorFlow 2 软件包现已推出
tensorflow：支持 CPU 和 GPU 的最新稳定版（适用于 Ubuntu 和 Windows）
tf-nightly：预览 build（不稳定）。Ubuntu 和 Windows 均包含 GPU 支持。
旧版 TensorFlow
对于 TensorFlow 1.x，CPU 和 GPU 软件包是分开的：
tensorflow==1.15：仅支持 CPU 的版本
tensorflow-gpu==1.15：支持 GPU 的版本（适用于 Ubuntu 和 Windows）
系统要求
Python 3.5-3.8
若要支持 Python 3.8，需要使用 TensorFlow 2.2 或更高版本。
pip 19.0 或更高版本（需要 manylinux2010 支持）
Ubuntu 16.04 或更高版本（64 位）
macOS 10.12.6 (Sierra) 或更高版本（64 位）（不支持 GPU）
Raspbian 9.0 或更高版本
GPU 支持需要使用支持 CUDA® 的显卡（适用于 Ubuntu 和 Windows）
注意：必须使用最新版本的 pip，才能安装 TensorFlow 2。
硬件要求
从 TensorFlow 1.6 开始，二进制文件使用 AVX 指令，这些指令可能无法在旧版 CPU 上运行。
阅读 GPU 支持指南，以在 Ubuntu 或 Windows 上设置支持 CUDA® 的 GPU 卡。
1. 在系统上安装 Python 开发环境
检查是否已配置 Python 环境：
需要使用 Python 3.5-3.8、pip 和 venv 19.0 及更高版本
python3 --version
pip3 --version
如果已安装这些软件包，请跳至下一步。
否则，请安装 Python、pip 软件包管理器和 venv：
Ubuntu
sudo apt update
sudo apt install python3-dev python3-pip python3-venv
macOS
使用 Homebrew 软件包管理器安装：
/usr/bin/ruby -e "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/master/install)"
export PATH="/usr/local/opt/python/libexec/bin:$PATH"
# if you are on macOS 10.12 (Sierra) use `export PATH="/usr/local/bin:/usr/local/sbin:$PATH"`
brew update
brew install python # Python 3
Windows
安装适用于 Visual Studio 2015、2017 和 2019 的 Microsoft Visual C++ 可再发行软件包。从 TensorFlow 2.1.0 版开始，此软件包需要 msvcp140_1.dll 文件（旧版可再发行软件包可能不提供此文件）。该可再发行软件包随附在 Visual Studio 2019 中，但可以单独安装：
在页面中向下滚动到“Visual Studio 2015、2017 和 2019”部分。
为您的平台下载并安装适用于 Visual Studio 2015、2017 和 2019 的 Microsoft Visual C++ 可再发行软件包。
确保在 Windows 上启用了长路径。
Raspberry Pi
Raspbian 操作系统的要求：
sudo apt update
sudo apt install python3-dev python3-pip python3-venv
sudo apt install libatlas-base-dev # required for numpy
其他
curl https://bootstrap.pypa.io/get-pip.py -o get-pip.py
python get-pip.py
注意：升级系统 pip 可能会导致问题。
如果不是在虚拟环境中，请针对下面的命令使用 python3 -m pip。这样可以确保您升级并使用 Python pip，而不是系统 pip。
2.创建虚拟环境（推荐）
Python 虚拟环境用于将软件包安装与系统隔离开来。
Ubuntu/macOS
创建一个新的虚拟环境，方法是选择 Python 解释器并创建一个 ./venv 目录来存放它：
python3 -m venv --system-site-packages ./venv
使用特定于 shell 的命令激活该虚拟环境：
source ./venv/bin/activate # sh, bash, or zsh
. ./venv/bin/activate.fish # fish
source ./venv/bin/activate.csh # csh or tcsh
当虚拟环境处于有效状态时，shell 提示符带有 (venv) 前缀。
在不影响主机系统设置的情况下，在虚拟环境中安装软件包。首先升级 pip：
pip install --upgrade pip
pip list # show packages installed within the virtual environment
之后退出虚拟环境：
deactivate # don't exit until you're done using TensorFlow
Windows
创建一个新的虚拟环境，方法是选择 Python 解释器并创建一个 .\venv 目录来存放它：
python -m venv --system-site-packages .\venv
激活虚拟环境：
.\venv\Scripts\activate
在不影响主机系统设置的情况下，在虚拟环境中安装软件包。首先升级 pip：
pip install --upgrade pip
pip list # show packages installed within the virtual environment
之后退出虚拟环境：
deactivate # don't exit until you're done using TensorFlow
Conda
虽然我们建议使用 TensorFlow 提供的 pip 软件包，但也可以使用由社区提供支持的 Anaconda 软件包。如需安装软件包，请阅读 Anaconda TensorFlow 指南。
3.安装 TensorFlow pip 软件包
请从 PyPI 中选择以下某个 TensorFlow 软件包进行安装：
tensorflow：支持 CPU 和 GPU 的最新稳定版（适用于 Ubuntu 和 Windows）。
tf-nightly：预览 build（不稳定）。Ubuntu 和 Windows 均包含 GPU 支持。
tensorflow==1.15：TensorFlow 1.x 的最终版本。
系统会自动安装软件包依赖项。这些依赖项就列在 setup.py 文件的 REQUIRED_PACKAGES 下。
虚拟环境安装
pip install --upgrade tensorflow
验证安装效果：
python -c "import tensorflow as tf;print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
系统安装
pip3 install --user --upgrade tensorflow # install in $HOME
验证安装效果：
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
成功：TensorFlow 现已安装完毕。请查看教程开始使用。
软件包位置
部分安装方式需要您提供 TensorFlow Python 软件包的网址。您需要根据 Python 版本指定网址。
版本网址
Linux
Python 3.5（支持 GPU）
https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-2.3.0-cp35-cp35m-manylinux2010_x86_64.whl
Python 3.5（仅支持 CPU）
https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow_cpu-2.3.0-cp35-cp35m-manylinux2010_x86_64.whl
Python 3.6（支持 GPU）
https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-2.3.0-cp36-cp36m-manylinux2010_x86_64.whl
Python 3.6（仅支持 CPU）
https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow_cpu-2.3.0-cp36-cp36m-manylinux2010_x86_64.whl
Python 3.7（支持 GPU）
https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-2.3.0-cp37-cp37m-manylinux2010_x86_64.whl
Python 3.7（仅支持 CPU）
https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow_cpu-2.3.0-cp37-cp37m-manylinux2010_x86_64.whl
Python 3.8（支持 GPU）
https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-2.3.0-cp38-cp38-manylinux2010_x86_64.whl
Python 3.8（仅支持 CPU）
https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow_cpu-2.3.0-cp38-cp38-manylinux2010_x86_64.whl
macOS（仅支持 CPU）
Python 3.5
https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-2.3.0-cp35-cp35m-macosx_10_6_intel.whl
Python 3.6
https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-2.3.0-cp36-cp36m-macosx_10_9_x86_64.whl
Python 3.7
https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-2.3.0-cp37-cp37m-macosx_10_9_x86_64.whl
Python 3.8
https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-2.3.0-cp38-cp38-macosx_10_14_x86_64.whl
Windows
Python 3.5（支持 GPU）
https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-2.3.0-cp35-cp35m-win_amd64.whl
Python 3.5（仅支持 CPU）
https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.3.0-cp35-cp35m-win_amd64.whl
Python 3.6（支持 GPU）
https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-2.3.0-cp36-cp36m-win_amd64.whl
Python 3.6（仅支持 CPU）
https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.3.0-cp36-cp36m-win_amd64.whl
Python 3.7（支持 GPU）
https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-2.3.0-cp37-cp37m-win_amd64.whl
Python 3.7（仅支持 CPU）
https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.3.0-cp37-cp37m-win_amd64.whl
Python 3.8（支持 GPU）
https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-2.3.0-cp38-cp38-win_amd64.whl
Python 3.8（仅支持 CPU）
https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.3.0-cp38-cp38-win_amd64.whl
Raspberry PI（仅支持 CPU）
Python 3、Pi0 或 Pi1
https://storage.googleapis.com/tensorflow/raspberrypi/tensorflow-2.3.0-cp35-none-linux_armv6l.whl
Python 3、Pi2 或 Pi3
https://storage.googleapis.com/tensorflow/raspberrypi/tensorflow-2.3.0-cp35-none-linux_armv7l.whl