TensorFlow在在MAC环境下的安装及环境搭建环境下的安装及环境搭建
小编在论坛中看到很多朋友在寻找TensorFlow的环境搭建图文步骤以及安装的具体流程，在此小编给大家整理了一篇非常详细的图文流程，希望能够帮助到你。
给大家分享一下TensorFlow在MAC系统中的安装步骤以及环境搭建的操作流程。
TensorFlow 底层的图模型结构清晰，容易改造；支持分布式训练；可视化效果好。如果做长期项目，接触较大数据集的话，TensorFlow很适用，而且谷歌也在不断优化完备它，对于使用深度学习朋
友，TensorFlow是一个很好的工具。
在学习了一段时间台大李宏毅关于deep learning的课程，以及一些其他机器学习的书之后，终于打算开始动手进行一些实践了。
感觉保完研之后散养状态下，学习效率太低了，于是便想白天学习，晚上对白天学习的知识做一些总结和记录，如果有不妥的地方，欢迎大家批评指教，共同进步。
一、深度学习框架的选择一、深度学习框架的选择
随着深度学习日趋火热，技术的逐渐兴起，各种深度学习框架也层出不穷。
目前使用普遍的框架有Tensorflow、Caffe、PyTorch、Theano、CNTK等，那么在这么多框架中该如何选择呢？
笔者作为一个初学者，架不住Tensorflow的名气之大，所以最开始便选择了Tensorflow。当然不仅仅只是因为名气大，Tensorflow作为谷歌主持的开源项目，它的社区热度目前看来是旺盛的，而且现在也
最为流行。听说，它是在谷歌总结了DistBelief的经验教训上形成的；它运行高效、可扩展性强，可以运行在手机、普通电脑、计算机群上。
下面再简单介绍一下其他深度学习框架的特点：
（1） Caffe：卷积神经网络框架，专注于卷积神经网络和图像处理，因为是基于C++语言，所以执行速度非常的快。
（2） PyTorch：动态computation graph！！！（笔者学习Tensorflow一段后，便会转学PyTorch试试看）
（3） Theano：因其定义复杂模型很容易，在研究中比较流行。
（4） CNTK：微软开发的，微软称其在语音和图像识别方面比其他框架更有优势。不过代码只支持C++.
Tensorflow的一些特性就不再说了，网络上相关资料也有很多。
下面就介绍一下Tensorflow的安装，笔者的安装顺序是首先安装Anaconda、然后安装Tensorflow、再安装Pycharm。
二、安装二、安装Anaconda
安装环境：
虽然笔者用的是mac，自带了Python，但是还是先安装了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。
剩余7页未读，继续阅读
资源评论
FelaniaLiu2023-07-26文章中给出了清晰的步骤和详细的解释，帮助我迅速搭建了TensorFlow的开发环境。
不知者无胃口2023-07-26这篇文章介绍了TensorFlow在MAC系统下的安装方法，对于初学者来说非常友好。
黄涵奕2023-07-26虽然文章没有过多地赘述TensorFlow的优势，但是对于入门者来说已经足够了，简洁而实用。
十二.122023-07-26作者还提供了一些常见问题的解决方案，让我省去了很多搜索和尝试的时间。
罗小熙2023-07-26整篇文章没有使用复杂的术语，非常容易理解和跟随。
