先安装了Anaconda（点击进入官网）。因为它集成了很多Python的第三方库，而且可以方便的管理不同版本的Python，在不同版本的Python之间切换。而且Anaconda是一个科学计算环境，在电脑上安装完Anaconda之后，除了相当于安装了Python，也安装好了一些常用的库。
笔者安装的是Python 2.7版的Anaconda，在安装好Anaconda之后，就已经安装好了Python和一些常用的库了。此外，还自动安装了Spyder。
Spyder是Python一个简单的集成开发环境，和其他的Python开发环境相比，它最大的优点就是模仿MATLAB的“工作空间”的功能，可以很方便地观察和修改数组的值。
在终端中输入Spyder就可以打开它了，如下图所示：
但是笔者更喜欢使用Pycharm作为开发环境
三、建立、激活、安装Tensorflow
打开终端，在上面输入：
conda create -n tensorflow python=2.7然后等执行完毕之后，再执行：
source activate tensorflow至此就激活了运行环境。
然后再执行pip install tensorflow以进行Tensorflow的安装。
如果遇到速度很慢而安装失败，这个时侯可以考虑使用国内的镜像地址
常用的有以下几个：
阿里云
http://mirrors.aliyun.com/pypi/simple/
中国科技大学
https://pypi.mirrors.ustc.edu.cn/simple/
豆瓣(douban)
http://pypi.douban.com/simple/
清华大学
https://pypi.tuna.tsinghua.edu.cn/simple/ （这个地址速度测试不错）
中国科学技术大学
http://pypi.mirrors.ustc.edu.cn/simple/
当然，安装命令需要加上参数
pip install tensorflow -i https://pypi.tuna.tsinghua.edu.cn/simple/
然后再执行以下Hello Tensorflow代码测试Tensorflow是否安装成功
import tensorflow as tf
import os
os.environ["CUDA_VISIBLE_DEVICES"]="0"
a=tf.constant(2)
b=tf.constant(3)
with tf.compat.v1.Session() as sess:
print("a:%i" % sess.run(a),"b:%i" % sess.run(b))
print("Addition with constants: %i" % sess.run(a+b))
print("Multiplication with constant:%i" % sess.run(a*b))
注意这个哦tf.compat.v1.Session()，因为我的是2.1版本和1.x的版本变化很大的。
结果