1. 程式人生 > >TensorFlow 安裝教程

TensorFlow 安裝教程

分享圖片 -- roc gpu create anaconda cond 源碼 for

1.準備好Anaconda環境

tensorflow是屬於很高層的應用。高層應用的一個比較大的麻煩就是需要依賴的底層的東西很多,如果底層依賴沒有弄好的話,高層應用是沒法玩轉的。
在極客學院有關tensorflow的教程中,提到了這樣幾種安裝方式:Pip, Docker, Virtualenv, Anaconda 或 源碼編譯的方法安裝 TensorFlow。在這裏,我強烈推薦大家使用Anaconda的方式安裝!因為采用這種方式安裝的時候,相當於將所有的底層依賴細節全部已經打包給封裝好了!並且,Anaconda還能創建自己的計算環境,相當於將tensorflow的環境與其他環境做了隔離,這樣你就可以將tensorflow隨便玩,愛怎麽玩怎麽玩,也不用擔心破壞之前的環境!

如果是玩數據玩ML的同學,如果你還不知道Anaconda,你就out啦!Anaconda是一個基於python的科學計算平臺,這個平臺裏包含有python,r,scala等絕大部分主流的用於科學計算的包。關於Anaconda的安裝與介紹,博主之前已經寫過一篇博文,請參考http://blog.csdn.net/bitcarmanlee/article/details/51917642一文。

2.建立名叫tensorflow的計算環境

Anaconda的環境準備好了以後,接下來我們建立一個conda的計算環境,給這個環境取名叫tensorflow:

# Python 2.7
$ conda create -n tensorflow python=2.7

# Python 3.4
$ conda create -n tensorflow python=3.4
  • 1
  • 2
  • 3
  • 4
  • 5

因為我們的版本是2.7,所以執行上面的命令。

技術分享圖片

坑爹的GFW,麻淡只要是個英文網站就給墻了。心裏一邊默默問候GFW開發者他們全家,一邊無奈地將上述命令重試。終於,重試了n次以後,搞定了
技術分享圖片

3.激活tensorflow環境,然後用pip安裝TensorFlow

第二步成功以後,先激活tensorflow環境。

source activate tensorflow
  • 1

然後界面華麗麗地就變成了這樣:
技術分享圖片
用戶名前有(tensorflow)的標識。我們這樣切換,實際上是更換了環境變量裏的pip和python。切換到tensorflow的計算環境以後,然後開始用pip安裝:

pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/mac/tensorflow-0.8.0rc0-py2-none-any.whl
  • 1

當然上面的命令對應的是python2.7,系統為macos,cpu only。根據tensorflow官方提供的資料,不同的系統與不同的版本命令如下:

python2.7

# Ubuntu/Linux 64-bit, CPU only, Python 2.7:
(tensorflow)$ pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.8.0rc0-cp27-none-linux_x86_64.whl

# Ubuntu/Linux 64-bit, GPU enabled, Python 2.7. Requires CUDA toolkit 7.5 and CuDNN v4.
# For other versions, see "Install from sources" below.
(tensorflow)$ pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-0.8.0rc0-cp27-none-linux_x86_64.whl

# Mac OS X, CPU only:
(tensorflow)$ pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/mac/tensorflow-0.8.0rc0-py2-none-any.whl
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9

pytho3.x:

# Ubuntu/Linux 64-bit, CPU only, Python 3.4:
(tensorflow)$ pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.8.0rc0-cp34-cp34m-linux_x86_64.whl

# Ubuntu/Linux 64-bit, GPU enabled, Python 3.4. Requires CUDA toolkit 7.5 and CuDNN v4.
# For other versions, see "Install from sources" below.
(tensorflow)$ pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-0.8.0rc0-cp34-cp34m-linux_x86_64.whl

# Mac OS X, CPU only:
(tensorflow)$ pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/mac/tensorflow-0.8.0rc0-py3-none-any.whl
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9

命令提交以後,你唯一能做的就是等待了。你唯一能祈禱的,就是這該死的GFW不會壞了你好事。
還好這次不用重試n次,一次搞定:
技術分享圖片

至此,tensorflow算是安裝OK了!

4.簡單測試是否安裝成功:

測試過程很簡單,直接上圖:
技術分享圖片

表現良好!給自己鼓個掌!

5.集成到IDE裏

如果我們要寫大家夥,一般會用IDE。將tensorflow集成到IDE裏,步驟也很簡單。以IntelliJ為例,跟創建普通項目唯一的區別就是,創建普通項目的時候我們的Module SDK選項是系統默認的python解釋器。如果我們想要使用tensorflow的相關代碼,將Module SDK換為剛剛我們新建的tensorflow計算環境即可!
貼個圖,大夥就懂了:
技術分享圖片

6.值得註意的幾個小點

1.強烈推薦使用Anaconda環境安裝,真的不是一般的簡單方便。
2.梯子,還是梯子,不解釋。
3.激活與退出tensorflow計算環境:

#激活
source activate tensorflow

#退出
source deactivate

TensorFlow 安裝教程