Tensorflow的快速安装（张量图例）

        作为目前最流行的深度学习框架，其强大功能无需赘言，现在我们来快速安装它，对于安装过MXNet框架的来说非常简单，一般本人喜欢从镜像站点安装，不然对于站点在国外的很容易出现超时的情况，从而导致安装不成功。

 下面这种常见的命令方式，个人不建议直接安装，很容易造成安装失败：

pip install tensorflow

---

        推荐从豆瓣镜像安装：pip install tensorflow-i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com

        如果在命令行界面直接这样安装的话，是整个python的大环境使用，一般来说，建议在虚拟环境中安装，这样便于管理，不同的环境对于不同的测试很方便，比如CPU版本和GPU版本的隔离，这样特别方便。本人的MXNet环境为myd2l，想安装多个框架也没问题，先进入这个环境：activate myd2l（conda版本4.4以上是conda activate myd2l）

        当然也可以新建一个虚拟环境：conda create -n mytf python=3.7 然后就是运行上面镜像安装的命令即可，测试下：

import tensorflow as tf
print(tf.ones([2,3],tf.int32))

tf.Tensor(
[[1 1 1]
 [1 1 1]], shape=(2, 3), dtype=int32)

print(tf.eye(3,3))

tf.Tensor(
[[1. 0. 0.]
 [0. 1. 0.]
 [0. 0. 1.]], shape=(3, 3), dtype=float32)

如果需要重新安装新的版本，需卸载原来的：

pip uninstall tensorflow 

最后说下这个张量，因为Google的Tensorflow框架就是基于tensor张量这个名称而来，一般来说，标量，向量与矩阵等都可以看做是一种特殊的张量，当然特指的话就是三维数组及以上的多维数组叫做张量，下面看图，更直观的了解张量（三维的示例）