锋哥原创的TensorFlow2 Python深度学习视频教程：

https://www.bilibili.com/video/BV1X5xVz6E4w/

课程介绍

本课程主要讲解基于TensorFlow2的Python深度学习知识，包括深度学习概述，TensorFlow2框架入门知识，以及卷积神经网络（CNN），循环神经网络（RNN），生成对抗网络（GAN），模型保存与加载等。

TensorFlow2 Python深度学习 - TensorFlow2框架入门 - TensorFlow2环境安装

TensorFlow 2 是 Google 开发的开源深度学习框架，旨在简化机器学习开发过程，提供更高效的计算能力，支持多种平台的部署。它继承了原 TensorFlow 的强大功能，同时进行了大量改进，使得开发者能够更加容易地进行机器学习研究、模型训练和生产环境部署。

TensorFlow2官网：

https://tensorflow.google.cn/?hl=zh-cn

我们首先新建一个纯净python项目，Python版本3.11，我们选择使用虚拟环境，防止第三方库版本冲突。

然后我们安装tensorflow库，最新版本2.20。这里有两种安装方式，第一种是 pip install tensorflow同时支持CPU和GPU。还有一种学习版本安装 pip install tensorflow-cpu仅支持CPU。

锋哥建议，我们一般学习的话，用第二种方式即可。反正写的代码都一样。商用部署的话，会用到专业的服务器，操作系统乌班图，CPU普通的即可。GPU是英伟达几万的显卡的那种，如RTX系列，如何训练规模巨大，直接上几十万的英伟达H100，A100这种，还可以搞多个集群。

CPU和GPU都支持

pip install tensorflow -i http://mirrors.aliyun.com/pypi/simple/   --trusted-host mirrors.aliyun.com

仅需要CPU支持

pip install tensorflow-cpu -i http://mirrors.aliyun.com/pypi/simple/   --trusted-host mirrors.aliyun.com

如果要在 TensorFlow 2 中支持 GPU，你需要额外安装以下几个组件：

1. CUDA（Compute Unified Device Architecture）

CUDA 是 NVIDIA 提供的一个并行计算平台和编程模型，它允许 TensorFlow 在 GPU 上运行。

下载地址：

https://developer.nvidia.com/cuda-toolkit

1. cuDNN（CUDA Deep Neural Network Library）

cuDNN 是 NVIDIA 提供的一个 GPU 加速的深度神经网络库，优化了卷积神经网络等深度学习任务的计算速度。

下载地址：

https://developer.nvidia.com/cudnn

我们新建一个helloWorld.py测试类：

import tensorflow as tf
​
print("TensorFlow版本：", tf.__version__)
print("CPU可用：", tf.config.list_physical_devices('CPU'))

运行结果：

TensorFlow版本： 2.20.0
CPU可用： [PhysicalDevice(name='/physical_device:CPU:0', device_type='CPU')]

说明环境搭建成功。