[python] Python3 安裝 tensorflow (WIN10/LINUX等)


安裝 TensorFlow


建議使用 64-bit 位元電腦台式桌機或筆電安裝。
以下型號配置已經測試確定可以正常使用, 可以使用MacOS, Ubuntu, Windows 7 (或WIN10) 安裝 TensorFlow。

以下指南解釋瞭如何安裝允許您使用 Python 3 編寫 TensorFlow 應用程序:

在Ubuntu上安裝TensorFlow

可能也適用於其他Linux版本,但是我們只在 Ubuntu 14.04 或 更高版本上測試。

確定要安裝哪個版本的 TensorFlow

您必須選擇以下幾種類型的TensorFlow進行安裝:
  • 僅支持 CPU 的TensorFlow(不靠GPU)。如果您的系統沒有NVIDIA® GPU,則必須安裝此版本。請注意,這個版本的TensorFlow通常更容易安裝(通常在5或10分鐘內),所以即使您有NVIDIA GPU,我們也建議先安裝此版本。
  • 支持 GPU 的TensorFlow。TensorFlow程序在 GPU 上的運行速度通常明顯快於 CPU。因此,如果您的系統具有滿足以下所示先決條件的NVIDIA® GPU,並且您需要運行性能至關重要的應用程序,則最終應安裝此版本。
 

NVIDIA要求運行 GPU 支持 TensorFlow

如果您使用本指南中描述的機制之一來安裝支持 GPU 的TensorFlow,則必須在您的系統上安裝以下NVIDIA軟件:
  • CUDA®庫達工具包8.0。有關詳細信息,請參閱 NVIDIA的文檔。確保 LD_LIBRARY_PATH 按照 NVIDIA (恩迷迪亞)文檔中的說明將相關的 Cuda 路徑名添加到環境變量中。
  • 與 CUDA Toolkit 8.0 相關的 NVIDIA 驅動程序。
  • cuDNN v6.0。有關詳細信息,請參閱 NVIDIA的文檔。確保 CUDA_HOME 按照 NVIDIA 文檔中的描述創建環境變量。
  • 具有CUDA Compute Capability 3.0或更高版本的GPU卡。請參閱 NVIDIA 文檔以獲取支持的 GPU 卡列表。
  • NVIDIA CUDA Profile工具界面的 libcupti-dev 庫。這個庫提供了高級的分析支持。要安裝此庫,使用以下命令:$ sudo apt-get install libcupti-dev
如果有早期版本的軟件包,請升級到指定的版本。如果升級不可行,那麼仍然可以在支持 GPU 的情況下運行 TensorFlow

使用 virtualenv 進行安裝

推薦使用 virtualenv 安裝。
Virtualenv 是一個與其他 Python 開發隔離的虛擬 Python 環境,可以避免被同一機器上的其他 Python 程序影響。在 virtualenv 安裝過程中,要安裝 TensorFlow,還要安裝 TensorFlow 所需的所有軟件包。(這實際上很簡單。)要開始使用 TensorFlow,只需要“激活”虛擬環境。總而言之,virtualenv 為安裝和運行 TensorFlow 提供了一個安全可靠的機制。

按照以下步驟安裝 Virtualenv 的 TensorFlow:
  1. 通過發出以下命令之一來安裝 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
  2. 通過發出以下命令之一創建一個 virtualenv 環境:
    $ virtualenv --system-site-packages  targetDirectory#for Python 2.7
    $ virtualenv --system-site-packages -p python3  targetDirectory#for Python 3.n

    其中 targetDirectory 指定了 virtualenv 樹的頂部。我們的指示是假設 targetDirectory 的~/tensorflow,但是可以選擇任何目錄。
  3. 通過發出以下命令之一激活 virtualenv 環境:
    $ source〜/ tensorflow / bin / activate#bash,sh,ksh或zsh
    $ source〜/ tensorflow / bin / activate.csh   #csh或tcsh

    執行上面的命令後應該會將提示更改為以下內容:
    (tensorflow)$ 
  4. 確保安裝pip≥8.1:
    (tensorflow)$ easy_install -U pip
  5. 發出以下命令,在活動的 virtualenv環境中安裝TensorFlow:
    (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

    如果上述命令成功,則跳過步驟6.如果上述命令失敗,請執行步驟6。
  6. (可選)如果步驟5失敗(通常是因為調用的 pip 版本低於8.1),請通過發出以下格式的命令在活動的virtualenv環境中安裝TensorFlow:
    (tensorflow)$ pip install --upgrade tfBinaryURL   # Python 2.7
    (tensorflow)$ pip3 install --upgrade tfBinaryURL  # Python 3.n 
    其中 tfBinaryURL 標識了 TensorFlow Python 包的URL。適當的值 tfBinaryURL取決於操作系統,Python版本和GPU支持。在這裡可幫系統 找到合適的 tfBinaryURL 值 。例如,如果您正在安裝TensorFlow for Linux,Python 3.4和僅支持CPU,請發出以下命令以在活動的virtualenv環境中安裝TensorFlow
    (tensorflow)$ pip3 install --upgrade \
     https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.4.0-cp34-cp34m-linux_x86_64.whl
 

下一步

 安裝TensorFlow後, 驗證安裝。

請注意,每次使用TensorFlow時必須激活 virtualenv 環境。如果virtualenv環境當前不活動,請調用以下命令之一:
$ source ~/tensorflow/bin/activate      # bash, sh, ksh, or zsh
$ source ~/tensorflow/bin/activate.csh  # csh or tcsh
當virtualenv環境處於活動狀態時,可以從該shell運行TensorFlow程序。您的提示將成為以下內容,表明 tensorflow 環境處於活動狀態:
(tensorflow)$ 

當完成使用 TensorFlow 時,可以通過調用該 deactivate 函數來禁用環境,如下所示:
(tensorflow)$ deactivate 

提示符將恢復為默認提示(由PS1環境變量定義 )。

 

在Windows上安裝TensorFlow

本指南介紹如何在 Windows 上安裝 TensorFlow。

GPU支持運行TensorFlow的要求

如果您使用本指南中描述的機制之一來安裝支持 GPU 的TensorFlow,則必須在您的系統上安裝以下NVIDIA軟件:
  • CUDA® Toolkit 8.0。有關詳細信息,請參閱 NVIDIA的文檔,並確保 %PATH% 按照 NVIDIA 文檔中所述將相關的 Cuda 路徑名附加到環境變量。
  • 與 CUDA Toolkit 8.0 相關的 NVIDIA 驅動程序
  • cuDNN v6.1。有關詳細信息,請參閱 NVIDIA的文檔。請注意,cuDNN 通常安裝在與其他CUDA DLL不同的位置。確保安裝了 cuDNN DLL的目錄添加到 %PATH% 環境變量中。
  • 具有 CUDA Compute Capability 3.0 或更高版本的GPU卡。請參閱 NVIDIA文檔以獲取支持的GPU卡列表。
如果有其他版本的軟件包,請更改為指定的版本。特別是,cuDNN版本必須完全匹配:如果找不到TensorFlow,將不會加載 cuDNN64_6.dll。要使用不同版本的cuDNN,必須從源代碼構建。

 

參考資料

https://www.tensorflow.org/install/
 

回上一頁

相關文章:

喜歡這篇文章嗎?立即分享

Posted : / Views: 217
Last updated :2018-01-12