专栏首页机器之心观点 | 别再使用pip安装TensorFlow了!用conda吧~

观点 | 别再使用pip安装TensorFlow了!用conda吧~

选自towardsdatascience

作者:Michael Nguyen

机器之心编译

参与:路雪、思源

还在使用 pip 安装 TensorFlow?试试 conda 吧,简单方便安装 TensorFlow,且能带来更快的 CPU 性能。

conda 是一个开源包和环境管理系统,能够跨平台运行,在 Mac、Windows 和 Linux 上都可以运行。如果你还没用过 conda,我推荐你立刻开始使用,因为它会让管理数据科学工具变得更轻松。

以下是使用 conda 而不用 pip 安装 TensorFlow 的两大原因:

更快的 CPU 性能

conda TensorFlow 包使用面向深度神经网络的英特尔数学核心函数库(Intel MKL-DNN),我们从 TensorFlow 1.9.0 版本开始。该库带来了巨大的性能提升,详见下图:

图源:https://www.anaconda.com/blog/developer-blog/tensorflow-in-anaconda/

如上所示,与 pip 安装相比,conda 安装可以带来超过 8 倍的速度提升。这对于经常使用 CPU 进行训练和推断的人来说非常棒!作为一名机器学习工程师,我在将代码 push 到 GPU 机器上之前,先使用 CPU 对代码运行测试训练。conda 安装带来的速度提升可以帮助快速迭代。我还在 CPU 上进行大量推断,因此这有助于我的模型性能。

MKL 库不仅加速 TensorFlow 包,还能加速其他广泛使用的库,如 NumPy、NumpyExr、SciPy 和 Scikit-Learn。

GPU 版本的安装也更加简单

conda 安装将自动安装 GPU 支持所需的 CUDA 和 CuDNN 库。pip 安装则需要手动安装这些库。人人喜欢一步到位,尤其是在下载与安装库这方面。

使用 pip 安装 TensorFlow 时,GPU 支持所需的 CUDA 和 CuDNN 库必须单独手动安装,增加了大量负担。而使用 conda 安装 GPU 加速版本的 TensorFlow 时,只需使用命令 conda install tensorflow-gpu,这些库就会自动安装成功,且版本与 tensorflow-gpu 包兼容。此外,conda 安装这些库的位置不会与通过其他方法安装的库的其他实例产生冲突。不管使用 pip 还是 conda 安装 GPU 支持的 TensorFlow,NVIDIA 驱动程序都必须单独安装。

对于 TensorFlow 的多个版本,conda 包可使用多种 CUDA 版本。例如,对于 TensorFlow 1.10.0 版本,conda 包支持可用的 CUDA 8.0、9.0 和 9.2 库。而 pip 包仅支持 CUDA 9.0 库。在不支持 CUDA 库最新版本的系统上运行时,这非常重要。最后,由于这些库是通过 conda 自动安装的,用户可轻松创建多个环境,并对比不同 CUDA 版本的性能。

快速启动

我希望以上两个原因足以说服你转而使用 conda。下面是使用 conda 安装所需的步骤。

pip uninstall tensorflow

如果还没有安装 Anaconda 或 Miniconda,需要先安装它们。Miniconda 仅安装 conda 和一些依赖项,Anaconda 则会预安装大量包。我更喜欢 Miniconda。使用 conda 安装时,如果选择 Anaconda,则伴随 TensorFlow 同时安装的还有 Anaconda 库中的 1400 多个常用软件包,它们会提供一个完整的数据科学环境。这些包安装到单独的 conda base 环境中,其内容不会影响到其他环境。

安装好 conda 之后,尝试以下命令:

conda install tensorflow

此外,如果你想要 GPU 版本,那么将上面一行中的 tensorflow 换成 tensorflow-gpu。除了使 TensorFlow 更快、更易于使用之外,conda 还提供其他工具组,使得整合工作流变得更加简单。我最喜欢的功能是虚拟环境。

  • TensorFlowConda 安装详细参见:https://www.anaconda.com/blog/developer-blog/tensorflow-in-anaconda/
  • MKL 优化方面的详情参见:https://docs.anaconda.com/mkl-optimizations/。

最后,尽管 Anaconda 在官网上展示了使用 Conda 安装的优势与步骤,但 TensorFlow 官方网站尚未介绍使用 conda 进行安装的方法:

原文链接:https://towardsdatascience.com/stop-installing-tensorflow-using-pip-for-performance-sake-5854f9d9eb0c

本文为机器之心编译,转载请联系本公众号获得授权。

本文分享自微信公众号 - 机器之心(almosthuman2014)

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2018-10-12

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。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 观点 | TensorFlow sucks,有人吐槽TensorFlow晦涩难用

    选自nicodjimenez 机器之心编译 参与:李泽南、刘晓坤 作为当今最流行的深度学习框架,TensorFlow 已经出现了两年之久。尽管其背后有着谷歌这样...

    机器之心
  • 官方解读:TensorFlow 2.0中即将到来的所有新特性

    作为最流行的深度学习框架,TensorFlow 已经成长为全球使用最广泛的机器学习平台。目前,TensorFlow 的开发者社区包括研究者、开发者和企业等。

    机器之心
  • TensorFlow的新生!

    如果你是 AI 铁粉,但恰好没看到这个重大新闻,这可能就像在地震来临之际打了个盹。一切都将改变。

    机器之心
  • 『TensorFlow2.0正式版』TF2.0+Keras速成教程·零:开篇简介与环境准备

    版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。 ...

    小宋是呢
  • Windows下配置TensorFlow-GPU开发环境经验总结

    其实TensorFlow有一个别人提供的服务器在用着,不过最近访问不了了,估计给收回去了吧。另外自己的MacBook Pro也其实有TensorFlow,但是这...

    ZNing
  • 基于django的视频点播网站开发-step2-搭建环境

    本讲中,带领大家搭建开发环境。我们会依次安装python、pip、django、mysql和其他的一些必要类库。

    山东程序员
  • Bioconda软件安装神器:多版本并存、环境复制、环境导出

    2017年生信宝典发布了Linux学习 - 又双叒叕一个软件安装方法,现在根据使用经验做一些更新,主要是增加了conda环境的复制、导入和导出功能。最开始是为了...

    生信宝典
  • 机器学习算法部署平台Cortex更新,支持TensorFlow、Pytorch等主流框架

    目前,我们利用机器学习算法来预测结果,最终目的还是为了生产服务。由于生产环境和要求复杂多样,将机器学习模型部署至生产环境,往往需要特定的平台工具。Cortex就...

    新智元
  • jquery 绑定事件 - mouseover() mouseout() mouseenter() mouseleave() hover()

    进入子元素也会触发mouseover()事件,那么如果#small的div没有嵌套在里面是否会触发呢? 这样应该就不会。

    Devops海洋的渔夫
  • 为什么你投了那么多家简历都石沉大海

    为什么你投递了那么多家公司都石沉大海,和你本身的工作经验有关系,当然和你的简历书写也有很大关系。工欲善其事必先利其器,这是自古以来的道理,所以如果想找到一份好的...

    用户1093975

扫码关注云+社区

领取腾讯云代金券