原文链接 ，有实力的同学请查看原文
安装 Swift for TensorFlow
根据你的操作系统按照以下的说明下载安装包，安装 Swift for TensorFlow 。安装完成后，你可以使用全套的 Swift 工具，包括 Swift REPL/interpreter 和 swiftc（Swift compiler）。如果你想了解更多有关使用 Swift for TensorFlow 的细节，请看这里。
关于 Swift REPL/interpreter 的个人理解。直译就是：读取、评估、打印、循环，即 Read Eval Print Loop 。软理解是：有了 Swift REPL 就可以直接在命令行中执行 swift code 。如有不同的理解，欢迎拍砖！
注意
- 如果您想改 Swift for TensorFlow 的源码或者构建一个自定义版本的的 TensorFlow， 了解更多关于源码编译的介绍，请看这里。
- Swift for TensorFlow 还是一个尚未成型的项目，它作为一个开源开发项目发布，并不适合所有的机器学习的开发者。（ ps: 在No.1 文中有提过，有兴趣的同学可以回头看看）
Releases
| Download | Version | Date |
|---|---|---|
| Xcode 11 | v0.6.0 | Dec 10, 2019 |
| Ubuntu 18.04 (CPU Only) | v0.6.0 | Dec 10, 2019 |
| Ubuntu 18.04 (CUDA 10.1) | v0.6.0 | Dec 10, 2019 |
| Ubuntu 18.04 (CUDA 10.0) | v0.6.0 | Dec 10, 2019 |
| Ubuntu 18.04 (CUDA 9.2) | v0.6.0 | Dec 10, 2019 |
Development Snapshots
| Download | Date |
|---|---|
| Xcode 11 | Dec 10, 2019 |
| Ubuntu 18.04 (CPU Only) | Nightly |
| Ubuntu 18.04 (CUDA 10.1) | Nightly |
| Ubuntu 18.04 (CUDA 10.0) | Nightly |
| Ubuntu 18.04 (CUDA 9.2) | Nightly |
（ps: 更老的版本就不列举了，同学们去原文上看吧，体力活😂）
注意：现在，Xcode toolchains 目前只支macOS的开发，iOS/tvOS/watchOS都不支持
macOS集成 Swift for TensorFlow
前置条件
- 系统版本要求：>= 10.13.5
- Xcode版本要求：>= 10.0beta
安装
- 下载上面最新的发布Xcode toolchain 的安装包
- 运行安装包，会把 Xcode toolchain 安装在
/Library/Developer/Toolchains/ - Xcode toolchain包括： compiler, lldb 和其他相关的工具，这些工具构成了一个基于 Swift 可开发的 TensorFlow 版本。（ps：太难翻译了，我尽力了😭）
- 打开Xcode的Preferences（偏好设置），选择 Components > Toolchains 然后勾选安装Swift for TensorFlow。
- Xcode 使用选择好的 toolchain 去构建Swift 代码、调试、代码补全、语法高亮。你可以看见一个新的 toolchain 在 Xcode的工具栏中，当Xcode正在使用 Swift toolchain的时候。选择好 Xcode toolchain 回到Xcode的 buit-in tools。注意：在Xcode 10中，你也许要切换 legacy build system（合法构建系统），在 Xcode中选择 Project Settings 并设置 build system to Legacy Build System。
Installation-XcodePreferences.png
- 通过Xcode 安装的 Swift toolchain 只能通过Xcode运行。如果想在命令行中使用 Swift toolchain，运行命令
xcrun --toolchain swift和xcodebuild -toolchain swift，或者把 Swift toolchain 添加到你的路径中，如下：
$ export PATH=/Library/Developer/Toolchains/swift-latest/usr/bin:"${PATH}"
- 如果你下载的 CUDA GPU-enabled toolchain （CUDA-only），把 CUDA 和 cuDNN 的路径添加的
$LD_LIBRARY_PATH，如下：
$ export LD_LIBRARY_PATH=/usr/local/cuda/lib:"${LD_LIBRARY_PATH}"
Linux集成 Swift for TensorFlow
Linux 相关的安装包中打包了Swift的 compiler, lldb, 和其他相关工具，你可以直接解压，安装到你想要的路径下面。注意： 只要满足下面的条件，你可以将Swift 移植到其他的linux发行版本（系统）中。
前置条件
- Ubuntu 18.04 （64-bit）
支持的平台
- Ubuntu 18.04 (64-bit)
其他要求
- For GPU toolchains: （GPU相关的toolchains）
- CUDA Toolkit 9.2 or 10.0 （CUDA版本要求）
- CuDNN7.1（CUDA 9.2）or 7.3.x onwards（CUDA 10.0）
- An NVIDIA GPU with compute compatibility for 3.5 or 7.0 （NVIDIA 显卡）
安装
- 安装需要的环境依赖
$ sudo apt-get install clang libpython-dev libblocksruntime-dev
- 下载最新的二进制安装包，
swift-tensorflow-<VERSION>-<PLATFORM>.tar.gz格式的（即：Swift toolchain） - 解压二进制包到
usr/路径下面（没有该路径，可以创建一个）
$ tar xzf swift-tensorflow-<VERSION>-<PLATFORM>.tar.gz
4、把解压好的 Swift toolchain 添加的你的Path（路径：环境变量）中
$ export PATH=$(pwd)/usr/bin:"${PATH}"
配置好 Path 后，你可以通过 REPL 执行swift、构建Swift项目
注意： 如果你用的 CUDA 版本 + NVIDIA GPU 第一次执行 TensorFlow 操作，Tensorflow 会基于你的GPU的运算能力编译内核，你将等待 1~10分钟。
验证安装
创建一个 test.swift 文件：
import TensorFlow
var x = Tensor<Float>([[1, 2], [3, 4]])
print(x + x)
执行这个文件，如果你安装成功的话，你将看到以下输出：
$ swift test.swift
[[2.0, 4.0],
[6.0, 8.0]]
恭喜你集成成功！
（PS： 后续会出一个 macOS 实战集成教程，Ubuntu的这真没有，等啥时候自己组个电脑搞Ubuntu可以试试）
已出：
Mac Xcode 集成 Swift for TensorFlow
转载请注明出处，thanks
