“是骡子是马，拉出来溜溜”。上述安装是否成功，需要测试一下才知道。下面我们就用大名鼎鼎的“HelloWorld”程序，来测试TensorFlow是否安装成功。
在终端输入python（请注意，在Mac/Linux环境下“python”全部小写），进入Python的交互模式（Python shell）。然后依次输入如下4条语句。
01 >>> import tensorflow as tf
02 >>> hello = tf.constant("Hello World, TensorFlow!")
03 >>> sess = tf.Session()
04 >>> print(sess.run(hello))b'Hello World,TensorFlow!'
我们暂不去解释上述语句，在后文讲解TensorFlow语法时，会详细介绍。在交换模式下，如果输入第01行代码没有提示信息，那么恭喜你，TensorFlow安装成功。
但通常是“好事多磨”。由于我们“追新”，Python当前的最新版本是3.6，而TensorFlow的最新官方编译版还停留在（Python3.5），所以会导致如下警告信息：
/home/yhilly/anaconda3/envs/tensorflow/lib/python3.6/importlib/_bootstrap.py:219:RuntimeWarning: compiletime version 3.5of module 'tensorflow.python.framework.fast_tensor_util' does not match runtime version 3.6
return f(*args, **kwds)在GitHub上，这是一个留名的（known）的问题，网上吐槽一片。TensorFlow的维护者倒是非常大方的承认，目前所谓的TensorFlow的Python 3.6编译版，是拿3.5的编译版“滥竽充数”的。或许读者朋友看到这本书的时候，这个问题已是过去式了，因为TensorFlow的维护者已腾出手修复了这个问题。
上述警告信息，其实并不影响输出结果（这或许也是TensorFlow维护者并不着急解决这个小问题的原因之一）。如果有“代码洁癖”的读者，可重新利用conda创建一个Python3.5的环境，下载安装图11-15倒数第5个安装包（即tensorflow-1.4.0-cp35-cp35m-manylinux1_x86_64.whl），问题就可以迎刃而解。然后，在命令行终端输入如下指令：
conda create -ntensorflow35 python=3.5 #创建Python3.5的环境tensorflow35
source activatetensorflow35 # 激活环境tensorflow35
pip3 installtensorflow-1.4.0-cp35-cp35m-manylinux1_x86_64.whl #安装Python 3.5 编译包在解决第01条语句的报警问题之后，在输入第03条语句时，TensorFlow也可能会给出如下警告：
Itensorflow/core/platform/cpu_feature_guard.cc:137] Your CPU supportsinstructions that this TensorFlow binary was not compiled to use: SSE4.1 SSE4.2AVX AVX2 FMA这个问题的出现，是源于TensorFlow的默认发布版并没有构建于CPU的扩展版指令之上。这样做的目的在于，它可以兼容更多类型的CPU，尽量寻求支持各类CPU型号的最大交集，所以诸如SSE（StreamingSIMD Extensions，单指令多数据流扩展）、AVX(AdvancedVector Extensions，高级向量扩展指令集)、FMA（FusedMultiply–Add，积和熔加运算）等提高CPU效率的“个性化”高级指令，默认发布版是不支持的。而对于机器学习任务来说，这些并行化或向量化编程，能大大提升机器学习的效率。
处理这类警告信息，有两种策略。第一种策略就是“鸵鸟策略”——对警告信息“视而不见，听而不闻”，因为毕竟是“警告信息”，而非错误信息，TensorFlow程序照样可以正常运行。但这样做的坏处在于，明明你的CPU性能很好，可健步如飞，却非要像“打折了腿”一般行路，好不委屈！
为了避免这类情况，自然还需要我们再“折腾”一番，下载TensorFlow的源码，放到自己的机器上编译一下。热爱“折腾”，是上进程序员的优秀品质之一。下面我们就再接着折腾一番，介绍TensorFlow的第三种安装方式——下载源码编译。
------《待续》-------------
