基于google搜索积累的数据，google这家公司在人工智能，数据分析特别是机器学习方面拥有着大量的经验和算法。因此，在2015年底，google开源了自家的机器学习框架tensorflow时，也是引起了非常大的关注。到现在，这个项目在github上获得的star数已经超过其他的一些老牌的机器学习库，而且有许多人愿意为tensorflow贡献代码，它的未来是非常可观的。
要使用tensorflow当然首先要能够正确安装，tensorflow的安装现在已经非常简单了，分cpu版本和gpu版本，为了简单起见，这里只讨论cpu版本（电脑没带独显也是原因之一）。google提供了很多种安装方式，主要分三种，一种是pip安装，非常简单，重要的是它在各个平台都是可以用的，包括windows，第二种是通过docker安装，也差不多是一键安装，具体的介绍可以看这里，最后一种，就是从源代码编译安装，最麻烦，但是我们这里唯一可用的方法。因为就算在centos6下通过pip安装好了tensorflow，在运行的时候仍然会报glibc版本过低的错误，而docker更是不可能，因为内核版本低于3.10不能安装docker，所以我们愉快地选择了源码安装。
顺便一提，之所以选择这么折腾的方式，完全是因为公司的服务器是centos6.8的系统，然后我还没有sudo权限。
快速安装
我们可以直接通过pip安装。
pip install tensorflow
windows要求：64位python>=3.5
linux要求：glibc>=2.16
mac没有测试，可以参考官方安装指南
由于centos6上glibc最多到2.12，而强行使用高版本的glibc会导致程序意外崩溃，因此，我们采用本机源码编译安装。
源码安装
我这里用户名为wecooool，home位置为/home/wecooool/
在正式编译之前有如下若干个准备步骤
编译高版本gcc，因为需要用到c++11，所以要求gcc版本大于4.8，我们这里选择gcc4.9.4 。使用比4.9.4稍低版本的gcc是可以成功编译4.9.4的gcc，系统自带的4.4.7版本的gcc是满足要求的。我这里将它安装到/home/wecooool/software文件夹，然后使用如下命令修改系统环境变量，使得后续的编译会使用新的gcc，而非系统里面老版本的gcc
export PATH=/home/wecooool/software/bin:$PATH
export CC=/home/wecooool/software/bin/gcc
export CXX=/home/wecooool/software/bin/g++
export C_INCLUDE_PATH=/home/wecooool/software/include
export CXX_INCLUDE_PATH=$C_INCLUDE_PATH
export LD_LIBRARY_PATH=/home/wecooool/software/lib
编译高版本python，tensorflow要求python版本至少是2.7或者3.3，而我们这里为了让代码能在windows上也能运行，选择python3.5.2，同样通过编译安装。具体的configure命令如下
./configure --prefix=/home/wecooool/software/Python-3.5.2 --enable-shared
加上enable-shared是为了编译出动态链接库，方便其他程序调用。然后就是配置环境参数
export PATH=/home/wecooool/software/Python-3.5.2/bin:$PATH
export LD_LIBRARY_PATH=/home/wecooool/software/Python-3.5.2/lib:$LD_LIBRARY_PATH
完成后在bash中输入python3应该就能进入python3.5.2的shell.之后下载get-pip.py，然后python3 get-pip.py就完成了pip的安装，在bash中输入pip或者pip3应该都会调用新安装的pip.通过pip3 install numpy安装numpy.
安装bazel，google使用bazel构建tensorflow，因此我们需要编译之。首先安装64位jdk1.8，因为bazel需要java8来编译，从oracle网站上选择jdk-8u111-linux-x64.tar.gz（官网上jdk具体的名字和链接地址可能会略有变化）下载，然后解压，将文件夹移到合适的地方，这里我们选择放到/home/wecooool/software/，再来就是修改环境变量
export JAVA_HOME=/home/wecooool/software/jdk1.8.0_111
export PATH=$JAVA_HOME/bin:$PATH
在bash中输入java -version应该有信息显示为64位的java1.8
java安装完成之后可以开始编译bazel
git clone https://github.com/bazelbuild/bazel.git
cd bazel
git checkout -b dev 0.4.0
./compile.sh
编译的结果为output/bazel，使用命令cp output/bazel /home/wecooool/software/bin/，因为这个路径已经加入path，可以直接调用，这时在bash中输入bazel应该能调用刚刚生成的bazel.
文件系统不应为NFS，否则后续的编译会出现奇怪的错误**
准备工作到此结束，接下来要开始正式编译tensorflow
首先下载源代码，
git clone https://github.com/tensorflow/tensorflow
cd tensorflow
此时还需要修改一个地方才能开始编译，vim tensorflow/tools/git/gen_git_source.py，将文件开头的#!/usr/bin/env python改成#!/usr/bin/env python3，因为python3才是我们新生成的python.
开始configure，输入./configure，会出现很多的选项供我们选择，这里主要是修改python位置，输入/home/wecooool/software/Python-3.5.2/bin/python3，其他的选项就直接回车就行了。
之后就简单了，编译
bazel build -c opt //tensorflow/tools/pip_package:build_pip_package
安装
mkdir _python_build
cd _python_build
ln -s ../bazel-bin/tensorflow/tools/pip_package/build_pip_package.runfiles/org_tensorflow/* .
ln -s ../tensorflow/tools/pip_package/* .
python3 setup.py develop
到这里安装应该已经完成了，测试一下
$ python3
...
>>> import tensorflow as tf
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess = tf.Session()
>>> print(sess.run(hello))
Hello, TensorFlow!
>>> a = tf.constant(10)
>>> b = tf.constant(32)
>>> print(sess.run(a + b))
42
>>>
安装完成之后，记得把所有的环境变量的修改(export开头的语句)放进～/.bashrc，免得每次登录都重新设置一遍。
