一、创建conda 计算环境
切换到 conda 用户，执行：
conda create -n tensorflow python=3.10
输入y，按回车Enter执行，提示 done 完成：
二、激活环境
source activate tensorflow
三、安装TensorFlow
为确保安装顺利，先将 pip 升级到最新版本，在激活虚拟环境的终端中输入：
pip install --upgrade pip
使用以下命令安装 CPU 版的 TensorFlow：
pip install tensorflow-cpu -i https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple/ --trusted-host pypi.tuna.com
四、验证安装
1、激活conda环境：
打开新的终端窗口，切换到 conda 用户，执行：
conda activate tensorflow
2、进入python：
输入执行：
import tensorflow
执行：
import tensorflow as tf print(tf.__version__)
若没有报错，并且输出相应版本号，则说明 CPU 版本的 TensorFlow 安装成功。
五、验证Keras
从 TensorFlow 2.x 开始，Keras 已经被完全集成到 TensorFlow 中，作为 tensorflow.keras 模块。因此，你应该使用 import tensorflow.keras as keras 而不是 import keras。
进入python后执行：
import tensorflow.keras as keras
可能出现以下warning信息：
This TensorFlow binary is optimized to use available CPU instructions in performance-critical operations.To enable the following instructions: AVX2 AVX_VNNI FMA, in other operations, rebuild TensorFlow with the appropriate compiler flags.
这个警告是 TensorFlow 在启动时输出的信息，提醒用户一些当前 TensorFlow 二进制文件已经经过优化，以利用充分可用的 CPU 指令集执行性能关键的操作。同时，警告指出在其他操作中，还有额外的CPU指令集（如SSE、SSE2、SSE3、SSE4.1、SSE4.2、AVX2、AVX512F、AVX512_VNNI、FMA）是可以启用的，但目前还没有在TensorFlow编译时启用。
解决方法：在开头加两句
import os os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
再执行：
import tensorflow.keras as keras print(keras.__version__)
如果没有报错，并且能够输出版本号，则说明 Keras 正确。
