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Albert陈凯

使用storm trident消费kafka消息

storm通过保证数据至少被处理一次来保证数据的完整性,由于元祖可以重发,对于一些需要数据精确的场景,可以考虑用storm trident实现。 传统的事物型...

2999
来自专栏极客慕白的成长之路

Kraken.io – 最好用的在线图片压缩工具

Kraken.io 是一个在线图片优化和压缩服务,在保持图像原始质量的同时尽可能的缩减图像大小,支持 JPEG、PNG、GIF 动画和 SVG 格式。

521
来自专栏Youngxj

涛先森悬浮客服插件1.1

1705
来自专栏bboysoul

crontab简单使用

首先随便在哪里新建一个文件 touch bboysoul 接着编辑crontab的配置文件,输入 crontab -e 输入

983
来自专栏Spark学习技巧

如何理解Linux中的load averages?

经常和 Linux 打交道的童鞋都知道,load averages 是衡量机器负载的关键指标,但是这个指标是怎样定义出来的呢?

792
来自专栏州的先生

重新开始一个完整的Django Restful WEB项目

在前面7章中,我们首先编写了一个简单的电影爬虫,采集了猫眼电影的部分电影数据,再通过Django框架的2.0版本创建了一个Python WEB应用,并且借助于d...

1131
来自专栏数据和云

诊断工具与方法:从OS到数据库

最近在“云和恩墨微信大讲堂”中,有很多朋友遇到性能问题,但是往往没有及时的诊断信息。我将之前书中的一章摘录出来和大家略为分享。 在数据库系统的诊断中,通常须要综...

3798
来自专栏JackeyGao的博客

Python 高级并发2

根据编程逻辑一般需要计算密集和I/O操作密集的时候选择并发提高程序效率, Python 由于GIL的限制,密集性运算需要使用多核心CPU时候, 这时候多线程显得...

691
来自专栏增长技术

ffmpeg Documentation

| | | | | input | demuxer | encoded data | ...

891
来自专栏linux驱动个人学习

指令相关

相关是影响乱序调度的罪魁祸首,如果指令2的执行需要依赖指令1的结果,我们就 说这两条指令是相关的,指令2必须在指令1后面执行,无法乱序。 下图描述了指令间的...

894

扫码关注云+社区