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.continuum.io/why-anaconda)是一个用于科学计算的Python发行版,支持 Linux, Mac, Windows系统,提供了包管理与环境管理的功能,可以很方便地解决多版本python并存、切换以及各种第三方包安装问题。Anaconda利用工具/命令conda来进行package和environment的管理,并且已经包含了Python和相关的配套工具。

这里先解释下conda、anaconda这些概念的差别。conda可以理解为一个工具,也是一个可执行命令,其核心功能是包管理与环境管理。包管理与pip的使用类似,环境管理则允许用户方便地安装不同版本的python并可以快速切换。Anaconda则是一个打包的集合,里面预装好了conda、某个版本的python、众多packages、科学计算工具等等,所以也称为Python的一种发行版。其实还有Miniconda,顾名思义,它只包含最基本的内容——python与conda,以及相关的必须依赖项,对于空间要求严格的用户,Miniconda是一种选择。

来源:PeterYuan-Anaconda使用总结(http://www.jianshu.com/p/2f3be7781451#)

TensorFlow

TensorFlow™ 是一个采用数据流图(data flow graphs),用于数值计算的开源软件库。节点(Nodes)在图中表示数学操作,图中的线(edges)则表示在节点间相互联系的多维数据数组,即张量(tensor)。它灵活的架构让你可以在多种平台上展开计算,例如台式计算机中的一个或多个CPU(或GPU),服务器,移动设备等等。TensorFlow 最初由Google大脑小组(隶属于Google机器智能研究机构)的研究员和工程师们开发出来,用于机器学习和深度神经网络方面的研究,但这个系统的通用性使其也可广泛用于其他计算领域。

更多介绍可以参考:TensorFlow 中文社区(http://www.tensorfly.cn/)

02

安装Anaconda

1、下载Anaconda

选择Anaconda官方网站(https://www.anaconda.com/download/)下载,考虑到Python2.7不可或缺的地位,选择Python2.7 64-BIT版本下载,当然Python3.6 也可以。

Anaconda 下载

如果觉得Anaconda官方网站(https://www.anaconda.com/download/)下载速度过慢,可以选择:

Anaconda installer archive(https://repo.continuum.io/archive/)

清华大学开源软件镜像站:Anaconda(https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/)

2、安装Anaconda

打开终端,输入:bash Anaconda2-4.4.0-Linux-x86_64.sh开始安装。下图中作者手抖下错了版本,后面重新卸载后,换回了新版本。

安装过程中各种选项,选择默认即可。

注意:

Do you wish the installer to prepend the Anaconda2 install location to PATH in your /home/dexter/.bashrc ? [yes|no]

请选择 yes 则会自动配置环境变量,无需自己手动添加。

配置环境

安装完毕后可以打开终端,输入conda --version查询conda版本。

03

安装TensorFlow

TensorFlow的安装方式有很多,在此选择使用基于Anaconda的安装方式。实际上到这一步后安装TF已经非常简单,官方文档(https://www.tensorflow.org/install/install_linux#InstallingAnaconda)也有着简洁明了的指导,建议自习阅读,安装出现问题,一般都可以查阅官方文档(https://www.tensorflow.org/install/install_linux#InstallingAnaconda)。

1、使用conda指令创建虚拟环境

打开终端,输入conda create --nane tensorflow python=2.7,其中“tensorflow”是新创建的环境(容器)名称,你也可以选择其他命名。

创建新环境

关于如何激活、关闭环境,安装过程中也有提示:

# To activate this environment, use: # > source activate tensorflow # # To deactivate this environment, use: # > source deactivate tensorflow

2、在新创建的虚拟环境Tensorflow(容器)中安装Tensorflow

官方安装流程

打开终端,输入 source activate tensorflow 激活新创建的容器。

tensorflow安装

输入:

(tensorflow)$ pip install --ignore-installed --upgrade tfBinaryURL

末尾的tfBinaryURL请用如下链接替换:

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

以上链接为TensorFlow(GPU)1.2.1版本。如果只需要安装CPU版本(无需CUDA&cuDNN),请用如下链接替换tfBinaryURL:

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

3、确认安装情况

Validate your installation

Invoke python from your shell as follows:

$ **python**

Enter the following short program inside the python interactive shell:

# Python import tensorflow as tf hello = tf.constant('Hello, TensorFlow!') sess = tf.Session() print(sess.run(hello))

If the system outputs the following, then you are ready to begin writing TensorFlow programs:

Hello, TensorFlow!

If you are new to TensorFlow, see Getting Started with TensorFlow(https://www.tensorflow.org/get_started/get_started). If the system outputs an error message instead of a greeting, see Common installation problems(https://www.tensorflow.org/install/install_linux#common_installation_problems).

Hello, Dexter~

至此,基于Anaconda的TensorFlow安装成功。

04

启动IDE

因为是在Anaconda中安装的TensorFlow,推荐使用Anaconda自带的IDE:Spyder。启动方法:

打开终端,激活tensorflow环境

source activate tensorflow

输入:spyder 指令,稍等即可打开spyder3(环境还是python2.7)。

spyder3

再右下角的console中输入:

import tensorflow as tf

如果系统没有报错,则可以正常使用IDE,可以运行上图中的MNIST程序验证。如果显示没有tensorflow这个module或者文件不存在,则可能没能统一编译环境。解决方法如下:

1、关闭spyder,在已经激活的tensorflow环境中输入:

conda install spyder

重新安装spyder,可能这个过程比较慢,涉及的包特别多,下载速度堪忧。安装好之后再次在tensorflow环境中输入spyder打开IDE,再尝试:

import tensorflow as tf

如果没问题即可,如果依旧显示无法找到tf模块,可参照以下方法。

2、打开一个新终端,输入:

# 删除tensorflow环境 conda remove -n python27 tensorflow

然后重新安装tensorflow,在版本选择时,选择1.2.0版本。即,将tfBinaryURL中的1.2.1替换为1.2.0:

https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.2.0-cp27-none-linux_x86_64.whl

后面步骤照旧,如果无法import,再次重新安装spyder,即可。

05

参考资料

1、PeterYuan:Anaconda使用总结(http://www.jianshu.com/p/2f3be7781451#)

2、Installing TensorFlow on Ubuntu(https://www.tensorflow.org/install/install_linux#installing_with_anaconda)

3、Linux下Anaconda的安装使用与卸载(https://zhuanlan.zhihu.com/p/24664358)

4、下载与安装 - TensorFlow 官方文档中文版 - 极客学院Wiki(http://wiki.jikexueyuan.com/project/tensorflow-zh/get_started/os_setup.html)

5、TensorFlow 中文社区(http://www.tensorfly.cn/)

原文发布于微信公众号 - 人工智能LeadAI(atleadai)

原文发表时间:2017-10-12

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

来自专栏企鹅号快讯

分布式TensorFlow入坑指南:从实例到代码带你玩转多机器深度学习

AI UNION 人工智能产业技术创新战略联盟 这里是人工智能联盟,汇聚了最新的AI新闻资讯,还有最前沿的国内外AI开源技术,最具价值的AI创新企业,最具权威的...

2037
来自专栏Spark学习技巧

几种简单的负载均衡算法

什么是负载均衡 负载均衡,英文名称为Load Balance,指由多台服务器以对称的方式组成一个服务器集合,每台服务器都具有等价的地位,都可以单独对外提供服务...

3785
来自专栏小车博客

Linux网络优化加速一键脚本

3363
来自专栏Python小屋

Python使用OpenCV+pillow提取AVI视频中关键帧图像

问题描述:使用OpenCV把AVI视频切分成静态图像,提取视频中的关键帧,保存为0.jpg、1.jpg、2.jpg.......

2505
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?

652
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

953
来自专栏增长技术

ffmpeg Documentation

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

811
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。

491
来自专栏张善友的专栏

MVC结构简介

本文编译自J2EE的相关文档。 MVC(Model-View-Controller)应用程序结构被用来分析分布式应用程序的特征。这种抽象结构能有助于将应用程序分...

1715
来自专栏后端技术探索

高并发场景,nginx怎么限速

我们会通过一些简单的示例展示Nginx限速限流模块是如何工作的,然后结合代码讲解其背后的算法和原理。

1162

扫码关注云+社区