创建环境并激活

conda create --name tensorflow2.0 python==3.7

activate tensorflow2.0

安装相关软件包（conda命令或pip命令2选1）

conda install numpy matplotlib PIL scikit-learn pandas

pip install numpy matplotlib Pillow scikit-learn pandas -i

(以上安装包介绍

Matplotlib 是 Python 的绘图库。 它可与 NumPy 一起使用，提供了一种有效的 MatLab 开源替代方案。 它也可以和图形工具包一起使用，如 PyQt 和 wxPython

Pillow 是 PIL 的替代版本，PIL 软件包提供了基本的图像处理功能，如：改变图像大小，旋转图像，图像格式转换，色场空间转换，图像增强，直方图处理，插值和滤波等等。

Scikit-learn（以前称为scikits.learn，也称为sklearn）是针对Python 编程语言的免费软件机器学习库 [1]  。它具有各种分类，回归和聚类算法，包括支持向量机，随机森林，梯度提升，k均值和DBSCAN，并且旨在与Python数值科学图书馆NumPy和SciPy。

使用Pandas，无论数据来源如何 - 加载，准备，操作，建模和分析，我们都可以完成数据处理和分析中的五个典型步骤。

)

安装TensorFlow2.0

pip install tensorflow -i https://pypi.tuna.tsinghua.edu.cn/simple

测试TensorFlow2.0

在命令行中输入python，打开python交互模式

输入代码：import tensorflow

我们会在之后回发现,引入时会有警告弹出，那是因为使用新的Tensorflow 2.1版本，默认的tensorflow pip包含tensorflow的CPU和GPU版本，在以前的tensorflow版本中，找不到CUDA库会发出一个错误，并引发一个异常，而现在这个库会自动搜索正确的CUDA版本，如果找不到它，就会发出警告（W代表警告，错误是E（或F代表致命错误），并返回到CPU模式，再次运行即可但是如果GPU较好的学者，可以安装GPU运行库

个人公众号