Python 能够使用各种各样的开发环境，这里我们强烈推荐使用 Anaconda 来进行Python 环境的管理，当然如果你有自己偏好的 Python 环境管理方式，你完全可以使用自己更喜欢的方式。
1.登录 Anaconda 的官网 www.anaconda.com，选择下载
2.选择对应的操作系统
3.选择 Python 3.6 的版本进行下载，因为 Python 2.7 不久之后很多开源库都不再继续支持，所以我们的整个课程都是基于 Python 3.6 开发的，请务必选择正确的 Python 版本，Python 3.6
4.下载完成进行安装即可
安装完成之后，liunx/mac 打开终端，windows打开 power shell，输入 jupyter notebook就可以在浏览器打开交互的 notebook 环境，可以在里面运行代码
百度搜索 cuda，选择 CUDA Toolkit，进入 cuda 的官网，选择对应的操作系统进行下载
（注意 这里点进去直接是下载cuda9.1版本的，tensorflow 目前并不支持cuda9.1，我们可以从https://developer.nvidia.com/cuda-toolkit-archive中找到适合的cuda版本，例如cuda9.0等等。
进入之后和后面即将介绍的安装过程相同）
看到下面可以进行的系统选择
对于 cuda 的安装，不同的操作系统有着不同的安装方式，这里仅以 linux 环境举例（这是配置亚马逊云环境中的一部分），关于windows 的配置可以动手百度或者google，对于 mac 电脑，12 年之后就不再使用nvidia 的GPU，所以没有办法安装cuda。
建议使用云服务器或者安装 linux 双系统，可以省去很多麻烦，也有助于后期深度学习的开发。
选择 linux 对应的 cuda 下载
在终端输入
$ wget https://developer.nvidia.com/compute/cuda/9.1/Prod/local_installers/cuda_9.1.85_387.26_linux下载最新的 cuda 9，然后输入
$ bash cuda_9.1.85_387.26_linux进行安装，接下来需要回答一些问题
accept/decline/quit: accept
Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 375.26?
(y)es/(n)o/(q)uit: y
Do you want to install the OpenGL libraries?
(y)es/(n)o/(q)uit [ default is yes ]: y
Do you want to run nvidia-xconfig?
(y)es/(n)o/(q)uit [ default is no ]: n
Install the CUDA 8.0 Toolkit?
(y)es/(n)o/(q)uit: y
Enter Toolkit Location
[ default is /usr/local/cuda-8.0 ]:
Do you want to install a symbolic link at
/usr/local/cuda?
(y)es/(n)o/(q)uit: y
Install the CUDA 8.0 Samples?
(y)es/(n)o/(q)uit: n
运行完成之后就安装成功了，可以在终端输入
nvidia-smi查看GPU，最后我们需要将 cuda 添加在系统环境变量中方便以后的安装中找到
echo "export LD_LIBRARY_PATH=\${LD_LIBRARY_PATH}:/usr/local/cuda-9.1/lib64" >>~/.bashrc
source ~/.bashrc目前 Tensorflow 支持在 Linux, MacOS, Windows 系统下安装，有仅支持 CPU 的版本，在缺少 GPU 资源时是一个不错的选择，也有 GPU 版本的实现高性能 GPU 加速。
在安装 GPU 版本之前需要一些额外的环境
一行命令即可
$ sudo apt-get install libcupti-dev进入 https://developer.nvidia.com/cudnn，点击下载
会要求进行注册，点击 Join
然后填写关于你的一些信息就完成了注册。然后就可以打开 Download 出现下面的页面并选择下载压缩包
解压后在当前目录运行下面命令即完成
$ sudo cp cuda/include/cudnn.h /usr/local/cuda/include
$ sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
$ sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*到这里 Tensorflow 的安装就非常简单了，可以在系统中用 pip 也可以在 anaconda 虚拟环境中安装
-
pip 安装
# 仅安装cpu版本 python2.x $ pip install tensorflow # python3.x $ pip3 install tensorflow # 安装gpu版本 python2.x $ pip install tensorflow-gpu # python3.x $ pip3 install tensorflow-gpu
-
anaconda安装
# 激活环境 # 下面的`$YOUR_ENV`替换成你自己的，没有的话要生成一个新的环境，可以参考下面注释的例子 # `conda create -n tensorflow pip python=2.7 # or python=3.3, etc.` # 这样会构建一个名为 tensorflow，python 是2.7版本的虚拟环境 # 换名字很简单，换python版本的话也只需要将2.7改变即可，比如改变成3.6 $ source activate $YOUR_ENV # 在环境中安装tensorflow，注意这里的tfBinaryURL需要根据需求替换，后面详述 ($YOUR_ENV)$ pip install --ignore-installed --upgrade tfBinaryURL
tfBinaryURL 以在https://tensorflow.google.cn/install/install_linux#the_url_of_the_tensorflow_python_package选择
终端中打开 python 解释器，运行下面命令成功即可
# Python
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))- 更全面的 Tensorflow 安装页面 https://tensorflow.google.cn/install/
- 检查硬件配置是否满足需求，GPU版本的 Tensorflow 需要计算能力在 3.5 及以上的显卡，可以在这里 https://developer.nvidia.com/cuda-gpus 查到自己的显卡计算能力
- 在 Tensorflow 的 Github issues 里面寻找类似问题及解决方案
目前 PyTorch 官方只支持linux 和 MacOS，如果要查看 windows 的安装方法，请看后面。
在 linux 和 MacOS 这两个系统下进行安装非常的简单，访问到官网
按照提示在终端输入命令行即可
使用 windows 的同学可以访问这个链接查看如何在 windows 下面安装pytorch
https://zhuanlan.zhihu.com/p/26871672
终端中打开 python 解释器，运行下面命令成功即可
# Python
import torch
x = torch.Tensor([3])
print(x)
# x_gpu = torch.Tensor([3]).cuda() # GPU 安装验证
# print(x)