預設安裝路徑：/usr/local/lib/python2.7/dist-packages/tensorflow

=====================================================================================================

#install python
sudo apt-get install python-pip python-dev

#install cudnn
mv cudnn.h /usr/local/cuda/include
mv libcudnn.so.5.0.5 /usr/local/cuda/lib64
ln -s libcudnn.so.5.0.5 libcudnn.so.5
ln -s libcudnn.so.5 libcudnn.so

#install bazel
sudo add-apt-repository ppa:webupd8team/java
sudo apt-get update
sudo apt-get install oracle-java8-installer

echo "deb [arch=amd64] http://storage.googleapis.com/bazel-apt stable jdk1.8" | sudo tee /etc/apt/sources.list.d/bazel.list
curl https://storage.googleapis.com/bazel-apt/doc/apt-key.pub.gpg | sudo apt-key add -

sudo apt-get update && sudo apt-get install bazel
sudo apt-get upgrade bazel

#other dependencies
sudo apt-get install python-numpy swig python-dev python-wheel

#install tensorflow
git clone https://github.com/tensorflow/tensorflow.git
./configure

#with cuda
bazel build -c opt --config=cuda //tensorflow/cc:tutorials_example_trainer
bazel-bin/tensorflow/cc/tutorials_example_trainer --use_gpu

#add output path

bazel --output_base=/home/ypzhang/workspace/bazel/output --output_user_root=/home/ypzhang/workspace/bazel build -c opt --config=cuda //tensorflow/cc:tutorials_example_trainer

# optimize option

bazel build -c opt --copt=-mavx --copt=-mavx2 --copt=-mfma --copt=-mfpmath=both --copt=-msse4.2

#Create the pip package and install

bazel build -c opt //tensorflow/tools/pip_package:build_pip_package
# To build with GPU support:
$ bazel build -c opt --config=cuda //tensorflow/tools/pip_package:build_pip_package

bazel-bin/tensorflow/tools/pip_package/build_pip_package /tmp/tensorflow_pkg

# The name of the .whl file will depend on your platform.
$ sudo pip install /tmp/tensorflow_pkg/tensorflow-0.10.0rc0-py2-none-any.whl

#Setting up TensorFlow for Development
bazel build -c opt //tensorflow/tools/pip_package:build_pip_package
bazel build -c opt --config=cuda //tensorflow/tools/pip_package:build_pip_package
mkdir _python_build
cd _python_build
ln -s ../bazel-bin/tensorflow/tools/pip_package/build_pip_package.runfiles/org_tensorflow/* .
ln -s ../tensorflow/tools/pip_package/* .
python setup.py develop

# Train your first TensorFlow neural net model
cd tensorflow/models/image/mnist
python convolutional.py

=====================================================================================================

Pip 安裝

Pip 是一個 Python 的軟體包安裝與管理工具.

在安裝 TensorFlow 過程中要涉及安裝或升級的包詳見 列表

首先安裝 pip (或 Python3 的 pip3 ):

# Ubuntu/Linux 64-bit
$ sudo apt-get install python-pip python-dev

# Mac OS X
$ sudo easy_install pip

安裝 TensorFlow :

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

# Mac OS X, CPU only:
$ sudo easy_install --upgrade six
$ sudo pip install --upgrade https://storage.googleapis.com/tensorflow/mac/tensorflow-0.8.0-py2-none-any.whl

如果是 Python3 :

# Ubuntu/Linux 64-bit, CPU only, Python 3.4:
$ sudo pip3 install --upgrade https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.8.0-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.
$ sudo pip3 install --upgrade https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-0.8.0-cp34-cp34m-linux_x86_64.whl

# Mac OS X, CPU only:
$ sudo easy_install --upgrade six
$ sudo pip3 install --upgrade https://storage.googleapis.com/tensorflow/mac/tensorflow-0.8.0-py3-none-any.whl

備註：如果之前安裝過 TensorFlow < 0.7.1 的版本,應該先使用 pip uninstall 解除安裝 TensorFlow 和 protobuf ,保證獲取的是一個最新 protobuf 依賴下的安裝包.

之後可以測試一下.

基於 Docker 的安裝

我們也支援通過 Docker 執行 TensorFlow.該方式的優點是不用操心軟體依賴問題.

首先, 安裝 Docker. 一旦 Docker已經啟動執行, 可以通過命令啟動一個容器:

$ docker run -it b.gcr.io/tensorflow/tensorflow

該命令將啟動一個已經安裝好 TensorFlow 及相關依賴的容器.

其它映象

預設的 Docker 映象只包含啟動和執行 TensorFlow 所需依賴庫的一個最小集. 我們額外提供了下面的容器, 該容器同樣可以通過上述 docker run 命令安裝:

• b.gcr.io/tensorflow/tensorflow-full: 映象中的 TensorFlow 是從原始碼完整安裝的,包含了編譯和執行 TensorFlow 所需的全部工具. 在該映象上, 可以直接使用原始碼進行實驗,而不需要再安裝上述的任何依賴.

基於 VirtualEnv 的安裝

我們推薦使用 virtualenv 建立一個隔離的容器, 來安裝 TensorFlow. 這是可選的, 但是這樣做能使排查安裝問題變得更容易.

首先, 安裝所有必備工具:

# 在 Linux 上:
$ sudo apt-get install python-pip python-dev python-virtualenv

# 在 Mac 上:
$ sudo easy_install pip  # 如果還沒有安裝 pip
$ sudo pip install --upgrade virtualenv

接下來, 建立一個全新的 virtualenv 環境. 為了將環境建在 ~/tensorflow目錄下, 執行:

$ virtualenv --system-site-packages ~/tensorflow
$ cd ~/tensorflow

然後, 啟用 virtualenv:

$ source bin/activate  # 如果使用 bash
$ source bin/activate.csh  # 如果使用 csh
(tensorflow)$  # 終端提示符應該發生變化

在 virtualenv 內, 安裝 TensorFlow:

(tensorflow)$ pip install --upgrade <$url_to_binary.whl>

接下來, 使用類似命令執行 TensorFlow 程式:

(tensorflow)$ cd tensorflow/models/image/mnist
(tensorflow)$ python convolutional.py

# 當使用完 TensorFlow
(tensorflow)$ deactivate  # 停用 virtualenv

$  # 你的命令提示符會恢復原樣

基於 Anaconda 的安裝

Anaconda 是一個整合許多第三方科學計算庫的 Python 科學計算環境,Anaconda 使用 conda 作為自己的包管理工具,同時具有自己的計算環境,類似 Virtualenv.

和 Virtualenv 一樣,不同 Python 工程需要的依賴包,conda 將他們儲存在不同的地方。 TensorFlow 上安裝的 Anaconda 不會對之前安裝的 Python 包進行覆蓋.

• 安裝 Anaconda
• 建立一個 conda 計算環境
• 啟用環境,使用 conda 安裝 TensorFlow
• 安裝成功後,每次使用 TensorFlow 的時候需要啟用 conda 環境

安裝 Anaconda :

參考 Anaconda 的下載頁面的指導

建立一個 conda 計算環境名字叫tensorflow:

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

# Python 3.4
$ conda create -n tensorflow python=3.4

啟用tensorflow環境,然後使用其中的 pip 安裝 TensorFlow. 當使用easy_install使用--ignore-installed標記防止錯誤的產生。

$ source activate tensorflow
(tensorflow)$  # Your prompt should change

# 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

對於 Python 3.x :

$ source activate tensorflow
(tensorflow)$  # Your prompt should change

# 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

conda 環境啟用後,你可以測試

當你不用 TensorFlow 的時候,關閉環境:

(tensorflow)$ source deactivate

$  # Your prompt should change back

再次使用的時候再啟用 :-)

$ source activate tensorflow
(tensorflow)$  # Your prompt should change.
# Run Python programs that use TensorFlow.
...
# When you are done using TensorFlow, deactivate the environment.
(tensorflow)$ source deactivate

嘗試你的第一個 TensorFlow 程式

(可選) 啟用 GPU 支援

如果你使用 pip 二進位制包安裝了開啟 GPU 支援的 TensorFlow, 你必須確保系統裡安裝了正確的 CUDA sdk 和 CUDNN 版本. 請參間CUDA 安裝教程

你還需要設定 LD_LIBRARY_PATH 和 CUDA_HOME 環境變數. 可以考慮將下面的命令新增到~/.bash_profile 檔案中, 這樣每次登陸後自動生效. 注意, 下面的命令假定 CUDA 安裝目錄為/usr/local/cuda:

export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda/lib64"
export CUDA_HOME=/usr/local/cuda

執行 TensorFlow

開啟一個 python 終端:

$ python

>>> import tensorflow as tf
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess = tf.Session()
>>> print sess.run(hello)
Hello, TensorFlow!
>>> a = tf.constant(10)
>>> b = tf.constant(32)
>>> print sess.run(a+b)
42
>>>

從原始碼安裝

克隆 TensorFlow 倉庫

$ git clone --recurse-submodules https://github.com/tensorflow/tensorflow

--recurse-submodules 引數是必須得, 用於獲取 TesorFlow 依賴的 protobuf 庫.

Linux 安裝

安裝 Bazel

首先依照 教程 安裝 Bazel 的依賴.然後在 連結 中下載適合你的作業系統的最新穩定版,最後按照下面指令碼執行：

$ chmod +x PATH_TO_INSTALL.SH
$ ./PATH_TO_INSTALL.SH --user

注意把 PATH_TO_INSTALL.SH 替換為你下載的安裝包的檔案路徑.

將執行路徑 output/bazel 新增到 $PATH 環境變數中.

安裝其他依賴

# For Python 2.7:
$ sudo apt-get install python-numpy swig python-dev python-wheel
# For Python 3.x:
$ sudo apt-get install python3-numpy swig python3-dev python3-wheel

可選: 安裝 CUDA (在 Linux 上開啟 GPU 支援)

為了編譯並執行能夠使用 GPU 的 TensorFlow, 需要先安裝 NVIDIA 提供的 Cuda Toolkit 7.0和 CUDNN 6.5 V2.

TensorFlow 的 GPU 特性只支援 NVidia Compute Capability >= 3.5 的顯示卡. 被支援的顯示卡包括但不限於:

• NVidia Titan
• NVidia Titan X
• NVidia K20
• NVidia K40

下載並安裝 Cuda Toolkit 7.0

下載地址

將工具安裝到諸如 /usr/local/cuda 之類的路徑.

下載並安裝 CUDNN Toolkit 6.5

下載地址

解壓並拷貝 CUDNN 檔案到 Cuda Toolkit 7.0 安裝路徑下. 假設 Cuda Toolkit 7.0 安裝在 /usr/local/cuda, 執行以下命令:

tar xvzf cudnn-6.5-linux-x64-v2.tgz
sudo cp cudnn-6.5-linux-x64-v2/cudnn.h /usr/local/cuda/include
sudo cp cudnn-6.5-linux-x64-v2/libcudnn* /usr/local/cuda/lib64

配置 TensorFlow 的 Cuda 選項

從原始碼樹的根路徑執行:

$ ./configure
Do you wish to bulid TensorFlow with GPU support? [y/n] y
GPU support will be enabled for TensorFlow

Please specify the location where CUDA 7.0 toolkit is installed. Refer to
README.md for more details. [default is: /usr/local/cuda]: /usr/local/cuda

Please specify the location where CUDNN 6.5 V2 library is installed. Refer to
README.md for more details. [default is: /usr/local/cuda]: /usr/local/cuda

Setting up Cuda include
Setting up Cuda lib64
Setting up Cuda bin
Setting up Cuda nvvm
Configuration finished

這些配置將建立到系統 Cuda 庫的符號連結. 每當 Cuda 庫的路徑發生變更時, 必須重新執行上述步驟, 否則無法呼叫 bazel 編譯命令.

編譯
僅 CPU 支援，無 GPU 支援：
$ bazel build -c opt //tensorflow/tools/pip_package:build_pip_package
有 GPU 支援：
$ bazel build -c opt --config=cuda //tensorflow/tools/pip_package:build_pip_package

• 生成 pip 安裝包
  $ bazel-bin/tensorflow/tools/pip_package/build_pip_package /tmp/tensorflow_pkg
• 使用 PIP 工具安裝
  $ pip install /tmp/tensorflow_pkg/tensorflow-0.7.1-py2-none-linux_x86_64.whl

編譯目標程式, 開啟 GPU 支援

從原始碼樹的根路徑執行:

$ bazel build -c opt --config=cuda //tensorflow/cc:tutorials_example_trainer

$ bazel-bin/tensorflow/cc/tutorials_example_trainer --use_gpu
# 大量的輸出資訊. 這個例子用 GPU 迭代計算一個 2x2 矩陣的主特徵值 (major eigenvalue).
# 最後幾行輸出和下面的資訊類似.
000009/000005 lambda = 2.000000 x = [0.894427 -0.447214] y = [1.788854 -0.894427]
000006/000001 lambda = 2.000000 x = [0.894427 -0.447214] y = [1.788854 -0.894427]
000009/000009 lambda = 2.000000 x = [0.894427 -0.447214] y = [1.788854 -0.894427]

注意, GPU 支援需通過編譯選項 "--config=cuda" 開啟.

已知問題

• 儘管可以在同一個原始碼樹下編譯開啟 Cuda 支援和禁用 Cuda 支援的版本, 我們還是推薦在在切換這兩種不同的編譯配置時, 使用 "bazel clean" 清理環境.

• 在執行 bazel 編譯前必須先執行 configure, 否則編譯會失敗並提示錯誤資訊. 未來,我們可能考慮將 configure 步驟包含在編譯過程中, 以簡化整個過程, 前提是 bazel 能夠提供新的特性支援這樣.

Mac OS X 安裝

Mac 和 Linux 需要的軟體依賴完全一樣, 但是安裝過程區別很大. 以下連結用於幫助你在 Mac OS X 上安裝這些依賴:

Bazel

參見本網頁的 Mac OS X 安裝指南.

SWIG

注意: 你需要安裝PCRE,而不是 PCRE2.

Numpy

參見安裝教程.

建立 pip 包並安裝

$ bazel build -c opt //tensorflow/tools/pip_package:build_pip_package

$ bazel-bin/tensorflow/tools/pip_package/build_pip_package /tmp/tensorflow_pkg

# .whl 檔案的實際名字與你所使用的平臺有關
$ pip install /tmp/tensorflow_pkg/tensorflow-0.5.0-cp27-none-linux_x86_64.whl

訓練你的第一個 TensorFlow 神經網路模型

從原始碼樹的根路徑執行:

$ cd tensorflow/models/image/mnist
$ python convolutional.py
Succesfully downloaded train-images-idx3-ubyte.gz 9912422 bytes.
Succesfully downloaded train-labels-idx1-ubyte.gz 28881 bytes.
Succesfully downloaded t10k-images-idx3-ubyte.gz 1648877 bytes.
Succesfully downloaded t10k-labels-idx1-ubyte.gz 4542 bytes.
Extracting data/train-images-idx3-ubyte.gz
Extracting data/train-labels-idx1-ubyte.gz
Extracting data/t10k-images-idx3-ubyte.gz
Extracting data/t10k-labels-idx1-ubyte.gz
Initialized!
Epoch 0.00
Minibatch loss: 12.054, learning rate: 0.010000
Minibatch error: 90.6%
Validation error: 84.6%
Epoch 0.12
Minibatch loss: 3.285, learning rate: 0.010000
Minibatch error: 6.2%
Validation error: 7.0%
...
...

常見問題

GPU 相關問題

如果在嘗試執行一個 TensorFlow 程式時出現以下錯誤:

ImportError: libcudart.so.7.0: cannot open shared object file: No such file or directory

請確認你正確安裝了 GPU 支援, 參見 相關章節.

在 Linux 上

如果出現錯誤:

...
 "__add__", "__radd__",
             ^
SyntaxError: invalid syntax

解決方案: 確認正在使用的 Python 版本為 Python 2.7.

在 Mac OS X 上

如果出現錯誤:

import six.moves.copyreg as copyreg

ImportError: No module named copyreg

解決方案: TensorFlow 使用的 protobuf 依賴 six-1.10.0. 但是, Apple 的預設 python 環境已經安裝了six-1.4.1, 該版本可能很難升級. 這裡提供幾種方法來解決該問題:

1. 升級全系統的 six:

     sudo easy_install -U six

2. 通過 homebrew 安裝一個隔離的 python 副本:

     brew install python

3. 在virtualenv 內編譯或使用 TensorFlow.

如果出現錯誤:

>>> import tensorflow as tf
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/usr/local/lib/python2.7/site-packages/tensorflow/__init__.py", line 4, in <module>
    from tensorflow.python import *
  File "/usr/local/lib/python2.7/site-packages/tensorflow/python/__init__.py", line 13, in <module>
    from tensorflow.core.framework.graph_pb2 import *
...
  File "/usr/local/lib/python2.7/site-packages/tensorflow/core/framework/tensor_shape_pb2.py", line 22, in <module>
    serialized_pb=_b('\n,tensorflow/core/framework/tensor_shape.proto\x12\ntensorflow\"d\n\x10TensorShapeProto\x12-\n\x03\x64im\x18\x02 \x03(\x0b\x32 .tensorflow.TensorShapeProto.Dim\x1a!\n\x03\x44im\x12\x0c\n\x04size\x18\x01 \x01(\x03\x12\x0c\n\x04name\x18\x02 \x01(\tb\x06proto3')
TypeError: __init__() got an unexpected keyword argument 'syntax'

這是由於安裝了衝突的 protobuf 版本引起的, TensorFlow 需要的是 protobuf 3.0.0. 當前最好的解決方案是確保沒有安裝舊版本的 protobuf, 可以使用以下命令重新安裝 protobuf 來解決衝突:

brew reinstall --devel protobuf

如果錯誤： undeclared inclusion(s) in rule '//tensorflow/core/kernels:scatter_op_gpu'
解決方法： try adding [cxx_builtin_include_directory: "/usr/local/cuda-8.0/include"] to [third_party/gpus/crosstool/CROSSTOOL] 

ImportError: No module named setuptools 解決方案  
shell中輸入：
wget http://pypi.python.org/packages/source/s/setuptools/setuptools-0.6c11.tar.gz
tar zxvf setuptools-0.6c11.tar.gz
cd setuptools-0.6c11
python setup.py build
python setup.py install

 

File "/usr/lib/python2.7/dist-packages/pip/req.py", line 1260, in prepare_files)[0] 

IndexError: list index out of range

解決方案：sudo pip install --no-use-wheel --upgrade distribute

Issue: AttributeError: type object 'NewBase' has no attribute 'is_abstract'

解決方案：sudo pip install six --upgrade --target="/usr/lib/python2.7/dist-packages"