姓名：王咫毅

學(xué)號(hào)：19021211150

【嵌牛導(dǎo)讀】tensorflow是有g(shù)oogle公司研發(fā)的用于機(jī)器學(xué)習(xí)撒犀、人工智能的框架，如何安裝tensorflow呜叫，如何在各種平臺(tái)上安裝tensorflow郑什，本文主要研究了這個(gè)問(wèn)題，基于各種平臺(tái)實(shí)現(xiàn)tensorflow的安裝针姿。

【嵌牛鼻子】tensorflow pip anaconda

【嵌牛提問(wèn)】如何在各種平臺(tái)上安裝和使用tensorflow？

【嵌牛正文】

轉(zhuǎn)載自：http://www.reibang.com/p/3ae3d929ad2c

下載與安裝

你可以使用我們提供的 Pip, Docker, Virtualenv, Anaconda 或 源碼編譯的方法安裝 TensorFlow.

1. Pip 安裝

Pip?是一個(gè) Python 的軟件包安裝與管理工具.

在安裝 TensorFlow 過(guò)程中要涉及安裝或升級(jí)的包詳見(jiàn)?列表

1)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

2)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

備注：如果之前安裝過(guò) TensorFlow < 0.7.1 的版本,應(yīng)該先使用 pip uninstall

卸載 TensorFlow 和 protobuf ,保證獲取的是一個(gè)最新 protobuf 依賴下的安裝包.

之后可以測(cè)試一下.

2.基于 Docker 的安裝

我們也支持通過(guò)?Docker?運(yùn)行 TensorFlow. 該方式的優(yōu)點(diǎn)是不用操心軟件依賴問(wèn)題.

首先,?安裝 Docker. 一旦 Docker 已經(jīng)啟動(dòng)運(yùn)行, 可以通過(guò)命令啟動(dòng)一個(gè)容器:

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

該命令將啟動(dòng)一個(gè)已經(jīng)安裝好 TensorFlow 及相關(guān)依賴的容器.

其它鏡像

默認(rèn)的 Docker 鏡像只包含啟動(dòng)和運(yùn)行 TensorFlow 所需依賴庫(kù)的一個(gè)最小集. 我們額外提供了 下面的容器, 該容器同樣可以通過(guò)上述 docker run

命令安裝:

b.gcr.io/tensorflow/tensorflow-full

: 鏡像中的 TensorFlow 是從源代碼完整安裝的, 包含了編譯和運(yùn)行 TensorFlow 所需的全部工具. 在該鏡像上, 可以直接使用源代碼進(jìn)行實(shí)驗(yàn), 而不需要再安裝上述的任何依賴.

3.基于 VirtualEnv 的安裝

我們推薦使用?virtualenv?創(chuàng)建一個(gè)隔離的容器, 來(lái)安裝 TensorFlow. 這是可選的, 但是這樣做能使排查安裝問(wèn)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(méi)有安裝 pip'

'$ sudo pip install --upgrade virtualenv'

接下來(lái), 建立一個(gè)全新的 virtualenv 環(huán)境. 為了將環(huán)境建在 ~/tensorflow

目錄下, 執(zhí)行:

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

$ cd ~/tensorflow

然后, 激活 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(yīng)該發(fā)生變化

在 virtualenv 內(nèi), 安裝 TensorFlow:

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

接下來(lái), 使用類似命令運(yùn)行 TensorFlow 程序:

(tensorflow)$ cd tensorflow/models/image/mnist

(tensorflow)$ python convolutional.py

當(dāng)使用完 TensorFlow

(tensorflow)$ deactivate # 停用 virtualenv

$ # 你的命令提示符會(huì)恢復(fù)原樣

4.基于 Anaconda 的安裝

Anaconda?是一個(gè)集成許多第三方科學(xué)計(jì)算庫(kù)的 Python 科學(xué)計(jì)算環(huán)境,Anaconda 使用 conda 作為自己的包管理工具,同時(shí)具有自己的計(jì)算環(huán)境,類似 Virtualenv.

和 Virtualenv 一樣,不同 Python 工程需要的依賴包,conda 將他們存儲(chǔ)在不同的地方厌衙。 TensorFlow 上安裝的 Anaconda 不會(huì)對(duì)之前安裝的 Python 包進(jìn)行覆蓋.

安裝 Anaconda

建立一個(gè) conda 計(jì)算環(huán)境

激活環(huán)境,使用 conda 安裝 TensorFlow

安裝成功后,每次使用 TensorFlow 的時(shí)候需要激活 conda 環(huán)境

安裝 Anaconda :

參考 Anaconda 的下載頁(yè)面的指導(dǎo)

建立一個(gè) conda 計(jì)算環(huán)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

激活tensorflow

環(huán)境,然后使用其中的 pip 安裝 TensorFlow. 當(dāng)使用easy_install

使用--ignore-installed

標(biāo)記防止錯(cuò)誤的產(chǎn)生搓幌。

$ 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(duì)于 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(huán)境激活后,你可以測(cè)試

當(dāng)你不用 TensorFlow 的時(shí)候,關(guān)閉環(huán)境:

(tensorflow)$ source deactivate

$ # Your prompt should change back

再次使用的時(shí)候再激活 :-)

$ 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(gè) TensorFlow 程序

(可選) 啟用 GPU 支持

如果你使用 pip 二進(jìn)制包安裝了開(kāi)啟 GPU 支持的 TensorFlow, 你必須確保 系統(tǒng)里安裝了正確的 CUDA sdk 和 CUDNN 版本. 請(qǐng)參間?CUDA 安裝教程

你還需要設(shè)置 LD_LIBRARY_PATH

和 CUDA_HOME

環(huán)境變量. 可以考慮將下面的命令 添加到 ~/.bashrc

文件中, 這樣每次登陸后自動(dòng)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

運(yùn)行 TensorFlow

打開(kāi)一個(gè) 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

>>>

從源碼安裝

克隆 TensorFlow 倉(cāng)庫(kù)

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

--recurse-submodules

參數(shù)是必須得, 用于獲取 TesorFlow 依賴的 protobuf 庫(kù).

Linux 安裝

安裝 Bazel

首先依照?教程?安裝 Bazel 的依賴. 然后在?鏈接?中下載適合你的操作系統(tǒng)的最新穩(wěn)定版, 最后按照下面腳本執(zhí)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文件路徑.

將執(zhí)行路徑 output/bazel

添加到 $PATH

環(huán)境變量中.

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(kāi)啟 GPU 支持)

為了編譯并運(yùn)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 特性只支持 NVidia Compute Capability >= 3.5 的顯卡. 被支持的顯卡 包括但不限于:

NVidia Titan

NVidia Titan X

NVidia K20

NVidia K40

下載并安裝 Cuda Toolkit 7.0

下載地址

將工具安裝到諸如 /usr/local/cuda

之類的路徑.

下載并安裝 CUDNN Toolkit 6.5

下載地址

解壓并拷貝 CUDNN 文件到 Cuda Toolkit 7.0 安裝路徑下. 假設(shè) Cuda Toolkit 7.0 安裝 在 /usr/local/cuda

, 執(zhí)行以下命令:

tar xvzf cudnn-6.5-linux-x64-v2.tgzsudo cp cudnn-6.5-linux-x64-v2/cudnn.h /usr/local/cuda/includesudo cp cudnn-6.5-linux-x64-v2/libcudnn* /usr/local/cuda/lib64

配置 TensorFlow 的 Cuda 選項(xiàng)

從源碼樹(shù)的根路徑執(zhí)行:

$ ./configure

Do you wish to bulid TensorFlow with GPU support? [y/n] y

GPU support will be enabled for TensorFlowPlease specify the location where CUDA 7.0 toolkit is installed. Refer toREADME.md for more details. [default is: /usr/local/cuda]: /usr/local/cudaPlease specify the location where CUDNN 6.5 V2 library is installed. Refer toREADME.md for more details. [default is: /usr/local/cuda]: /usr/local/cudaSetting up Cuda includeSetting up Cuda lib64Setting up Cuda binSetting up Cuda nvvmConfiguration finished

這些配置將建立到系統(tǒng) Cuda 庫(kù)的符號(hào)鏈接. 每當(dāng) Cuda 庫(kù)的路徑發(fā)生變更時(shí), 必須重新執(zhí)行上述 步驟, 否則無(wú)法調(diào)用 bazel 編譯命令.

編譯目標(biāo)程序, 開(kāi)啟 GPU 支持

從源碼樹(shù)的根路徑執(zhí)行:

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

$ bazel-bin/tensorflow/cc/tutorials_example_trainer --use_gpu# 大量的輸出信息.這個(gè)例子用 GPU 迭代計(jì)算一個(gè) 2x2 矩陣的主特征值 (major eigenvalue).# 最后幾行輸出和下面的信息類似.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 支持需通過(guò)編譯選項(xiàng) "--config=cuda" 開(kāi)啟.

已知問(wèn)題

盡管可以在同一個(gè)源碼樹(shù)下編譯開(kāi)啟 Cuda 支持和禁用 Cuda 支持的版本, 我們還是推薦在 在切換這兩種不同的編譯配置時(shí), 使用 "bazel clean" 清理環(huán)境.

在執(zhí)行 bazel 編譯前必須先運(yùn)行 configure, 否則編譯會(huì)失敗并提示錯(cuò)誤信息. 未來(lái), 我們可能考慮將 configure 步驟包含在編譯過(guò)程中, 以簡(jiǎn)化整個(gè)過(guò)程, 前提是 bazel 能夠提供新的特性支持這樣.

Mac OS X 安裝

Mac 和 Linux 需要的軟件依賴完全一樣, 但是安裝過(guò)程區(qū)別很大. 以下鏈接用于幫助你 在 Mac OS X 上安裝這些依賴:

Bazel

參見(jiàn)本網(wǎng)頁(yè)的 Mac OS X 安裝指南.

SWIG

Mac OS X 安裝教程.

注意: 你需要安裝PCRE, 而不是?PCRE2.

Numpy

參見(jiàn)安裝教程.

創(chuàng)建 pip 包并安裝

$ bazel build -c opt //tensorflow/tools/pip_package:build_pip_package$ bazel-bin/tensorflow/tools/pip_package/build_pip_package /tmp/tensorflow_pkg# .whl 文件的實(shí)際名字與你所使用的平臺(tái)有關(guān)$ pip install /tmp/tensorflow_pkg/tensorflow-0.5.0-cp27-none-linux_x86_64.whl

訓(xùn)練你的第一個(gè) TensorFlow 神經(jīng)網(wǎng)絡(luò)模型

從源代碼樹(shù)的根路徑執(zhí)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.gzExtracting data/train-labels-idx1-ubyte.gzExtracting data/t10k-images-idx3-ubyte.gzExtracting data/t10k-labels-idx1-ubyte.gzInitialized!Epoch 0.00Minibatch loss: 12.054, learning rate: 0.010000Minibatch error: 90.6%Validation error: 84.6%Epoch 0.12Minibatch loss: 3.285, learning rate: 0.010000Minibatch error: 6.2%Validation error: 7.0%......

常見(jiàn)問(wèn)題

1.GPU 相關(guān)問(wèn)題

如果在嘗試運(yùn)行一個(gè) TensorFlow 程序時(shí)出現(xiàn)以下錯(cuò)誤:

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

請(qǐng)確認(rèn)你正確安裝了 GPU 支持, 參見(jiàn)?相關(guān)章節(jié).

2.在 Linux 上

如果出現(xiàn)錯(cuò)誤:

... "add", "radd", ^SyntaxError: invalid syntax

解決方案: 確認(rèn)正在使用的 Python 版本為 Python 2.7.

3.在 Mac OS X 上

如果出現(xiàn)錯(cuò)誤:

import six.moves.copyreg as copyregImportError: No module named copyreg

解決方案: TensorFlow 使用的 protobuf 依賴 six-1.10.0

. 但是, Apple 的默認(rèn) python 環(huán)境 已經(jīng)安裝了 six-1.4.1

, 該版本可能很難升級(jí). 這里提供幾種方法來(lái)解決該問(wèn)題:

升級(jí)全系統(tǒng)的 six

:

sudo easy_install -U six

通過(guò) homebrew 安裝一個(gè)隔離的 python 副本:

brew install python

4.在virtualenv

內(nèi)編譯或使用 TensorFlow.

如果出現(xiàn)錯(cuò)誤:

import tensorflow as tfTraceback (most recent call last): File "", line 1, in File "/usr/local/lib/python2.7/site-packages/tensorflow/init.py", line 4, in from tensorflow.python import * File "/usr/local/lib/python2.7/site-packages/tensorflow/python/init.py", line 13, in 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 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'

這是由于安裝了沖突的 protobuf 版本引起的, TensorFlow 需要的是 protobuf 3.0.0. 當(dāng)前 最好的解決方案是確保沒(méi)有安裝舊版本的 protobuf, 可以使用以下命令重新安裝 protobuf 來(lái)解決 沖突:

brew reinstall --devel protobuf

作者：九七學(xué)姐

鏈接：http://www.reibang.com/p/3ae3d929ad2c

來(lái)源：簡(jiǎn)書(shū)

著作權(quán)歸作者所有。商業(yè)轉(zhuǎn)載請(qǐng)聯(lián)系作者獲得授權(quán)迅箩，非商業(yè)轉(zhuǎn)載請(qǐng)注明出處。