TensorFlow 教程 --新手入门--1.3 安装实例

时间：2022-12-31 20:28:11

TensorFlow是Google的一个开源机器学习框架，官网：https://www.tensorflow.org/ 
里面有详细的教程和API说明，我在虚拟机上装的TensorFlow所以不支持CUDA版本的TensorFlow安装。

TensorFlow安装方式

TensorFlow官网介绍了四种安装方式

  • virtualenv
  • 常见的pip安装
  • Docker
  • Anaconda

官方建议采用virtualenv安装方式进行安装，因为Virtualenv的Python环境可以与其他Python开发环境隔离，不受同一台机器上其他的Python程序影响，在Virtualenv下是用TensorFlow只需要激活Python虚拟环境即可，这样就能为TensorFlow的安装和运行提供了一个安全可靠的机制。

在使用pip安装时注意开发环境是Python2.x还是Python3.x，Python2.x调用pip而Python3.x则是pip3

使用Virtualenv安装TensorFlow

  • 1.首先通过如下命令安装pip和virtualenv
$ sudo apt-get install python-pip python-dev python-virtualenv # for Python 2.7$ sudo apt-get install python3-pip python3-dev python-virtualenv # for Python 3.n
  • 1
  • 2
  • 2.使用如下命令创建virtualenv环境
$ virtualenv --system-site-packages targetDirectory # for Python 2.7$ virtualenv --system-site-packages -p python3 targetDirectory # for Python 3.n
  • 1
  • 2

上述名称中的targetDirectory是自己命名的一个空间，这里假定是 ～/tensorflow，你也可名命名其他名称

  • 3.使用如下命令激活virtualenv环境
 $ source ~/tensorflow/bin/activate # bash, sh, ksh, or zsh $ source ~/tensorflow/bin/activate.csh  # csh or tcsh
  • 1
  • 2

如下图 
TensorFlow 教程 --新手入门--1.3 安装实例

  • 4.在virtualenv环境下安装TensorFlow 
    如果已经将TensorFlow的源添加到系统则可以直接执行如下命令
 (tensorflow)$ pip install --upgrade tensorflow      # for Python 2.7 (tensorflow)$ pip3 install --upgrade tensorflow     # for Python 3.n (tensorflow)$ pip install --upgrade tensorflow-gpu  # for Python 2.7 and GPU (tensorflow)$ pip3 install --upgrade tensorflow-gpu # for Python 3.n and GPU
  • 1
  • 2
  • 3
  • 4

注意：虚拟机环境下不支持GPU版的TensorFlow，只能安装CPU版的TensorFlow 
如果没有添加TensorFlow的源则上述命令执行失败，需要手动添加tensorflow的网址，根据不同的Python版本和是否支持GPU加速，TensorFlow细分了很多版本，如下： 
Python2.7 CPU Only

https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.2.1-cp27-none-linux_x86_64.whl
  • 1

Python2.7 GPU

https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.2.1-cp27-none-linux_x86_64.whl
  • 1

Python3.4 CPU Only

https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.2.1-cp34-cp34m-linux_x86_64.whl
  • 1

Python3.4 GPU

https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.2.1-cp34-cp34m-linux_x86_64.whl
  • 1

Python3.5 CPU Only

https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.2.1-cp35-cp35m-linux_x86_64.whl
  • 1

Python3.5 GPU

https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.2.1-cp35-cp35m-linux_x86_64.whl
  • 1

Python3.6 CPU Only

https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.2.1-cp36-cp36m-linux_x86_64.whl
  • 1

Python3.6 GPU

https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.2.1-cp36-cp36m-linux_x86_64.whl
  • 1

在安装GPU版TensorFlow之前应先执行如下命令

sudo apt-get install libcupti-dev
  • 1

以便安装其依赖库。

执行如下命令安装TensorFlow

 (tensorflow)$ pip install --upgrade tfBinaryURL   # Python 2.7 (tensorflow)$ pip3 install --upgrade tfBinaryURL  # Python 3.n
  • 1
  • 2

将tfBinaryURL改为对应的tensorflow版本。如我的开发环境是Ubuntu-64bit+Python3.5，虚拟机环境下不支持GPU加速，我就选择Python3.5 CPU Only，并执行如下命令：

pip3 install --upgrade https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.2.1-cp35-cp35m-linux_x86_64.whlCollecting tensorflow==1.2.1 from https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.2.1-cp35-cp35m-linux_x86_64.whl
  • 1
  • 2

在执行这段命令的时候如果报错是网络错误，这时候就可以拿出你的fan-qiang利器了，或者是多执行几次上面的命令总有能链接成功的时候。安装完成后可以通过命令

pip list #Python 2.7pip3 list #Python3.n
  • 1
  • 2

查看tensorflow是否已经存在

退出TensorFlow环境命令如下：

(tensorflow) keith@keith-workstation:~$ deactivate
  • 1

使用pip或pip3直接安装tensorflow

  • 1.首先安装其依赖项
$ sudo apt-get install python-pip python-dev   # for Python 2.7$ sudo apt-get install python3-pip python3-dev # for Python 3.n
  • 1
  • 2
  • 2.安装TensorFlow 
    过程重复上个标题中第4步，只不过是不再是在virtualenv中安装，不再赘述，如我安装命令如下：
$ sudo pip3 install --upgrade https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.2.1-cp35-cp35m-linux_x86_64.whlCollecting tensorflow==1.2.1 from https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.2.1-cp35-cp35m-linux_x86_64.whl
  • 1
  • 2

区别就是这一步要添加sudo以管理员身份运行。

检查是否安装成功

import tensorflow as tfhello=tf.constant('Hello, TensorFlow')sess=tf.Session()print(sess.run(hello))
  • 1
  • 2
  • 3
  • 4

输出Hello,TensorFlow即配置成功。

标签：

相关文章