Ubuntu 14.04 64 位安装 Google 的 TensorFlow

今天来说一下机器学习库 TensorFlow 的在 Ubuntu14.04 64位下的安装。

更新

这里我会列出对本文的更新。

  • 2017 年 10 月 13 日:
    • 优化排版,与其他博文保持统一。
    • 去掉公众号相关内容。

什么是 TensorFlow

关于什么是 TensorFlow ,这里引用一下 官网 的介绍:

TensorFlow™ is an open source software library for numerical computation using data flow graphs.

简单来说,就是机器学习(Machine Learning)的一个开源软件库,你可以方便的实现 CNN 等机器学习算法,并且使用 GPU 并行加速你的算法。

TensorFlow 起初是 Google Brain 小组为 Google 的研究和产品开发的一套工具,例如我们熟知的语音识别,Gmail,Google Photos 和 Google 搜索,随后于2015年11月9日在 Apache 2.0 开源许可证下 对外开源发布,现在稳定版本是0.9.0版本。

TensorFlow

开发者

Google Brain Team

稳定版本

0.9.0

编写语言

Python, C++

平台

Linux, Mac OS X

类型

机器学习库

许可证

Apache 2.0

官网

www.tensorflow.org

如上表所示,TensorFlow 对 Windows 平台没有原生支持(naive support),所以不建议在 Windows 下安装,但是也有方法。具体可参见 这里。官方文档见 这里,极客学院 Wiki 团队发起活动将其翻译成了中文,见 这里,在这里赛克君向翻译者的艰辛劳动致以敬意。但是从我几天的学习来看,建议英文较好的童鞋看英文原版,中文翻译的和原文有些地方有差异,或者中英搭配看,先看中文,遇到不清楚有疑问的地方回过头去看英文对应地方。

安装步骤鸟瞰

这里仅介绍在 Ubuntu14.04 64 位下的使用 Anaconda 的安装方式,其他安装方式请参见官方文档。

Anaconda 是一个 Python 的发布版本,其中内置了非常多的用于数值和科学计算的库,省得你去一个一个的自己安装,如果需要再安装库的话,可以用 conda 或者 pip 命令来安装,只不过有时候 conda 命令安装比较慢,因为他的服务器在国外,这时候你可以用 pip 命令试试。

a. 下载并安装 Anaconda b. 创建一个 conda 环境 c. 激活这个 conda 环境并在里面安装 TensorFlow d. 测试安装是否成功 e. 安装成功之后每次当你需要使用 TensorFlow 的时候,你需要重新激活这个 conda 环境

a. 下载并安装 Anaconda

这个 页面选择适合你的版本(Python 版本和你的系统版本,这里赛克君选择 Python2.7 和 Linux 64 位)并下载,遵照安装指导在你的电脑上安装 Anaconda 。

Anaconda for Linux

下载完成后安装的时候需要在终端进入你下载文件所在的文件夹才能执行上图中的命令,否则需要加上安装文件的绝对路径。

bash Anaconda2-4.1.1-Linux-x86_64.sh

b. 创建一个 conda 环境

创建一个名为 tensorflow 的 conda 环境。

如果你的 Python 版本为 2.7,使用

conda create -n tensorflow python=2.7

如果你的 Python 版本是 3.4,使用

conda create -n tensorflow python=3.4

如果你的 Python 版本是 3.5,使用

conda create -n tensorflow python=3.5

此时你已经创建好了一个名为 tensorflow 的 conda 环境。

c. 激活这个conda环境并在里面安装TensorFlow

激活 tensorflow 环境,使用

source activate tensorflow

这时你的终端提示符会改变,在前面多了个 tensorflow,如下图:

然后就可以在里面安装 TensorFlow了,有两种方式 —— condapip

使用 conda

使用 conda 安装目前 仅支持 CPU 版本,也就是说不支持 GPU。使用下面命令安装:

conda install -c conda-forge tensorflow

使用 pip

使用 pip 安装你可以选择仅 CPU 或者支持 GPU。首先选择你要的版本,选择一个就行。

# Ubuntu/Linux 64-bit, CPU only, Python 2.7
(tensorflow)$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.10.0rc0-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)$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-0.10.0rc0-cp27-none-linux_x86_64.whl

# Mac OS X, CPU only, Python 2.7:
(tensorflow)$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-0.10.0rc0-py2-none-any.whl

# Mac OS X, GPU enabled, Python 2.7:
(tensorflow)$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/mac/gpu/tensorflow-0.10.0rc0-py2-none-any.whl

# Ubuntu/Linux 64-bit, CPU only, Python 3.4
(tensorflow)$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.10.0rc0-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)$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-0.10.0rc0-cp34-cp34m-linux_x86_64.whl

# Ubuntu/Linux 64-bit, CPU only, Python 3.5
(tensorflow)$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.10.0rc0-cp35-cp35m-linux_x86_64.whl

# Ubuntu/Linux 64-bit, GPU enabled, Python 3.5
# Requires CUDA toolkit 7.5 and CuDNN v4. For other versions, see "Install from sources" below.
(tensorflow)$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-0.10.0rc0-cp35-cp35m-linux_x86_64.whl

# Mac OS X, CPU only, Python 3.4 or 3.5:
(tensorflow)$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-0.10.0rc0-py3-none-any.whl

# Mac OS X, GPU enabled, Python 3.4 or 3.5:
(tensorflow)$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/mac/gpu/tensorflow-0.10.0rc0-py3-none-any.whl

然后安装,如果你用的是 Python 2,使用

pip install --ignore-installed --upgrade $TF_BINARY_URL

如果你用的是 Python 3,使用

pip3 install --ignore-installed --upgrade $TF_BINARY_URL

此时你已经在 tensorflow 环境中安装了 tensorflow 。

d. 测试安装是否成功

首先激活 tensorflow 环境,然后进入 python,最后导入 tensorflow 库。如果导入成功则表明安装成功。

这里使用了官方文档中的示例

e. 需要使用 TensorFlow 的时候必须重新激活

当使用完毕后,关闭 tensorflow 环境。

source deactivate

然后你的终端提示符就会变会原的样子。

当你需要再次使用的时候就必须再次激活 tensorflow 环境。

source activate tensorflow

关闭 tensorflow 环境,并重新激活

f. Finally

至此,你已经拥有了一个可以玩耍机器学习的 tensorflow 环境,好好玩耍吧:)

你可以参照官方文档快速的运行一个手写数字识别的示例。友情提示:仅 CPU 版本你需要有足够的耐心。。。。。。

END

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏xingoo, 一个梦想做发明家的程序员

手把手教你cuda5.5与VS2010的编译环境搭建

目前版本的cuda是很方便的,它的一个安装里面包括了Toolkit`SDK`document`Nsight等等,而不用你自己去挨个安装,这样也避免了版本的不同步...

2057
来自专栏ml

使用Anaconda搭建TensorFlow-GPU环境

前言:      对于深度学习来说,各种框架torch,caffe,keras,mxnet,tensorflow,pandapanda环境要求各一,如果我们在一...

1.2K11
来自专栏xingoo, 一个梦想做发明家的程序员

我的AI之路 —— 从裸机搭建GPU版本的深度学习环境

服务器是阿里云的CentOS7.4,默认的时候选择的CUDA驱动选错了,1.5以上的tensorflow都应该选择CUDA9.0,注意不要太高,也不要太低!TF...

752
来自专栏人工智能LeadAI

配置深度学习主机与环境(TensorFlow+1080Ti) | 第四章 基于Anaconda的TensorFlow安装

配置深度学习主机与环境(TensorFlow+1080Ti): 01 概念介绍 Anaconda Anaconda(https://www.continuu...

3665
来自专栏奇点大数据

神器Pytorch(2)

1、 首先先安装Ubuntu17.10 过程略 只是建议在这个部分为了实践方便,请安装Desktop版本。 2、 安装与配置Python、Pip ? 这种情况属...

3134
来自专栏云计算

为PHP站点开启自定义Apache服务器模块

为了满足你对PHP应用程序的所有要求,有时你需要添加自定义模块。模块化架构是Apache服务器全球普及的主要原因之一。大多数网站都是通过这个服务器搭建的,我们的...

56112
来自专栏Petrichor的专栏

Ubuntu下 安装与测试 Caffe & 遇到的问题 及 解决方案

  我一直是参照 Caffe Ubuntu Installation 和 Ubuntu 14.04上安装caffe 装的。

764
来自专栏贾志刚-OpenCV学堂

在ubuntu上配置tensorflow 1.7+CUDA踩过的坑

在ubuntu上配置tensorflow 1.7+CUDA踩过的坑 tensorflow1.6+CUDA9.0+cuDNN7.0整个环境在windows下正常工...

6517
来自专栏landv

斑马标签打印机蛋疼的打印错误处理方法

默认自动检测的纸张,打印预览的时候没有问题,但是打印出来的效果,就一小块,打印不全。这个蛋疼的问题,可能和操作系统有关系,win10打印的时候没有问题,win7...

782
来自专栏软件测试经验与教训

用例设计工具-PICT

2775

扫码关注云+社区