学习python,机器学习（maching-lerning）、深度学习（deep-learning）等概念也是耳熟能详。我最近从新手开始学习maching-learning知识，不过课程偏向基本的理论知识，所以有时感觉枯燥无味，于是我试着实践代码，对于从零开始的小白来说，理论到实践要解决的第一个问题居然是各种第三方包的安装成功和测试顺利。这次让我意识到不仅要写好程序，还有编译运行环境、程序的各种依赖满足。“万事俱备，只欠东风”也许说的就是这样吧。下面记录自己采坑艰难过程。
在anaconda环境下python3.7安装tensorflow2.0出现错误
使用python运行测试代码一直出现Import：DLL load failed：找不到指定模块、Failed to load the native Tensorflow runtime.
还提示了去官网查看tensorflow安装错误，这明显不是办法，我想这是自己安装包的时候出现错误，于是卸载已安装的tensorflow（要把相关文件清除干净）。
本想着这次应该好了，毕竟之前检查了一遍，环境变量、测试程序都是正确的。而这安装过程真是漫长，以为刚才不小心删错文件，出现不可预知错误（运行超时）。
后来寻求方法，我们可以使用国内清华镜像进行下载，速度很快，一样可以安装python第三方包。
pip install -i http://pypi.tuna.tsinghua.edu.cn/simple some-package
重复一次安装过程，测试代码，有时出现tensorflow错误，找不到模块。我不知道问题出现在哪，开始找博客寻求解决办法，看完之后，都是关于tensorflow的cpu、gpu版本一些问题，gpu版本程序会跑的快，它会使用电脑gpu资源，但是觉得有点复杂，还要安装其他支撑（cuda、cudnn），而且考虑各种版本兼容问题。开始学跑程序数据不会很多，决定先使用cpu版本，我想刚才应该安装时候没注意tf版本，接下来再试一次。
另外，看到有python3.7下安装tensorflow2.0不兼容问题，而且现在tf2.0刚刚发布，好像不是很普遍。这次我降低了版本，使用python3.6+tensorflow1.x，后来终于成功了！
这期间还出现一次错误，才意识到python中各种包版本兼容问题，有些包依赖其他包，比如许多要有numpy这个科学数据计算的重要包，兼容问题很重要，上图是错误提示，可供参考。
import tensorflow as tf
hello = tf.constant('hello,tensorflow')
sess=tf.Session()
print(sess.run(hello))
sess.close()
最后测试成功：打印出：b'hello,tensorflow'
☆总结：1、每一步安装都要仔细，版本兼容、安装路径、环境变量都要正确。
2、tensorflow工具包安装运行时有时会出现许多问题，要多尝试办法。
3、多思多问多动手，也许就能解决问题！
运行环境需要的包都测试好了，就可以接着顺利使用，之后会进一步学习运用，不断探索。
