TensorFlow · 端到端开源机器学习平台｜安装与使用全指南

项目仓库： https://github.com/tensorflow/tensorflow

开源协议：Apache 2.0 · 安装：pip install tensorflow · GPU：CUDA（Ubuntu/Windows） · CPU 包：tensorflow-cpu · 官方文档：tensorflow.org

1 项目简介

TensorFlow 是 Google 开源的端到端机器学习平台，让研究者推动 ML 前沿、开发者轻松构建和部署 ML 应用。它提供稳定的 Python API，覆盖从数据处理、模型训练到部署的全链路，支持 CPU/GPU/多平台。

1.1 核心信息一览

1.2 适用场景

• 训练与部署机器学习/深度学习模型。
• 研究与生产兼顾的模型开发。
• 需要 GPU 加速的训练任务。

1.3 能力边界（官方口径）

• 当前发布包在 Ubuntu/Windows 上支持 CUDA GPU。
• DirectX 与 macOS Metal 通过 Device Plugins 支持。

2 功能特性

• 稳定 Python API：文档完善。
• 多平台：CPU/GPU/移动/边缘。
• GPU 加速：CUDA、Device Plugins。
• 生态：Keras、TensorFlow Lite、TensorFlow Serving。

3 官方跳转链接汇总

4 安装

4.1 当前发布版（含 CUDA GPU 支持，Ubuntu/Windows）

pip install tensorflow

4.2 CPU-only 包

pip install tensorflow-cpu

升级到最新版：

pip install --upgrade tensorflow

4.3 夜间构建（测试用）

pip install tf-nightly        # GPU
pip install tf-nightly-cpu    # CPU

5 第一个程序

python

>>> import tensorflow as tf
>>> tf.add(1, 2).numpy()
3
>>> hello = tf.constant('Hello, TensorFlow!')
>>> hello.numpy()
b'Hello, TensorFlow!'

6 其他安装方式

• Docker 容器：见 install/docker。
• 从源码构建：见 install/source。

7 常见问题

• GPU 不可用：确认 CUDA 驱动与版本匹配，按 GPU 指南安装。
• 只要 CPU：用 tensorflow-cpu 减小体积。
• 想测最新功能：用 tf-nightly。

8 风险与说明

• 许可证：Apache 2.0。
• CUDA 版本：GPU 版对 CUDA/cuDNN 版本有要求，以官方指南为准。
• 非官方声明：本文基于官方仓库 README 整理，命令以最新 release 为准。