浅入浅出TensorFlow 2—零基础安装

上篇,Amusi带着大家学习了浅入浅出TensorFlow 1 — 初识TensorFlow,今天继续给大家介绍linolzhang大佬的TensorFlow系列课程,带大家零基础安装。

Ps:现在TensorFlow最新发布的版本是TF1.8.0版本,最新版本的功能最强大,但不一定最适用于大家。比如不同项目依赖的TF版本可能不一样,而且最大的问题是最新版本的TF只支持CUDA9.0,所以建议安装适合自己环境的TF。一定要注意安装版本问题,下面以TF1.4.0版本为例。

正文

对一个框架的熟悉过程是从安装开始,今天就带大家熟悉这里面的第一道坎 -安装。

TensorFlow 安装方式总结为:

pip安装

Docker安装

Make源码编译

一. Pip安装步骤:

1)安装 Pip

Pip是目前使用最多的Python包管理工具。通常Linux和Mac是自带Python环境的(2.X版本,附带pip),如果系统没有安装Python环境,或者你需要使用Python3,可以参考下面的安装步骤:

不同的平台下的安装方式有所区别,常用的平台安装命令:

● Ubuntu 64-bit

有时会提醒pip升级,处理方法如下:

● CentOS, Fedora, RHEL

● MAC OS

mac 自带 python2.7 和 pip,如果没有的话,可以通过 下面的方式快速安装:

需要安装3.X版本的话,推荐用home-brew安装:

● Window

a)下载Python安装包 .exe(3.5.3版本)

地址:https://www.python.org/downloads/windows/

Download Windows x86-64 executable installer

b)双击自定义安装 需要修改默认安装位置,配置环境变量 - 选择 "Add Python 3.5 to PATH" 选项。

c)高级选项,选择安装位置,勾选 install for all users

2)安装 CUDA

在Ubuntu下安装 CUDA 和 cudnn过程(其他版本类似):

a)安装 NVIDIA驱动

官网下载地址:http://www.nvidia.com/Download/index.aspx?lang=en-us

执行命令安装:

查询安装结果:

b)安装 CUDA

官网下载地址:https://developer.nvidia.com/cuda-downloads

执行下载的 CUDA安装包(.Run文件)进行安装:

按空格 读完声明文件,Accept 接受安装,除了 驱动(已装完)选 no 之外,其他均选择默认。

c)添加 CUDA 系统路径

添加环境变量,可以加到 profile里,也可以加到 bashrc,在最后加入:

修改 profile 文件,在末尾处添加(不要有空格)

通过命令查看CUDA安装是否成功?

d)安装 cudnn

官网下载地址:https://developer.nvidia.com/cudnn

解压, Copy到对应 CUDA 目录,并建立软链接。

3)安装 TensorFlow

根据你所选择的Python版本,下载对应的TensorFlow描述文件,进行安装:

https://storage.googleapis.com/tensorflow/

这是个XML文件,搜索1.4.0版本(截止到目前最新版本)对应的whl文件:

操作系统对应.Whl文件

@Linux

CPU版本

-- linux/cpu/tensorflow-1.4.0rc0-cp27-none-linux_x86_64.whl

# 33|34|35|36 替换下面的cp33-cp33

-- linux/cpu/tensorflow-1.4.0rc0-cp33-cp33m-linux_x86_64.whl

GPU版本

-- linux/gpu/tensorflow_gpu-1.4.0rc2-cp27-none-linux_x86_64.whl

# 33|34|35|36

-- linux/gpu/tensorflow_gpu-1.4.0rc2-cp33-cp33m-linux_x86_64.whl

DebianCPU版本(only)

-- linux/cpu/debian/jessie/tensorflow-1.4.0rc1-cp27-none-linux_x86_64.whl

云版本Cloudml

CPU版本

-- linux/cpu/cloudml/tensorflow-1.4.0rc0-cp27-none-linux_x86_64.whl

GPU版本(最高版本是1.4.0)

-- linux/gpu/cloudml/avx2_fma/tensorflow_gpu-1.4.0-cp27-none-linux_x86_64.whl

@Mac

CPU版本

-- mac/cpu/tensorflow-1.4.0rc2-py2-none-any.whl

-- mac/cpu/tensorflow-1.4.0rc2-py3-none-any.whl

GPU version稳定的release(rc0)

-- mac/gpu/tensorflow_gpu-1.4.0rc0-py2-none-any.whl

-- mac/gpu/tensorflow_gpu-1.4.0rc0-py3-none-any.whl

@Windows目前仅支持Python 3.5(好像Python3.6也支持了)

CPU版本

-- windows/cpu/tensorflow-1.4.0rc2-cp35-cp35m-win_amd64.whl

GPU版本

-- windows/gpu/tensorflow_gpu-1.4.0rc2-cp35-cp35m-win_amd64.whl

通过URL将对应的 whl 文件下载到本地, 比如作者采用 Py3.5(ubuntu14对应版本),Linux下对应的CPU版本:

也可以根据自己需要,直接配置URL在线 whl 进行安装:

需要注意:可能会遇到安装失败的情况,是网络问题,需要多试几次!

二. Docker安装:

在云上部署的情况下常用Docker安装,关于Docker安装作者并不推荐,Docker的学习成本相对较高。

三. Make源码编译:

1.下载源码

2. 安装Bazel

可以参考官网安装方法:https://bazel.build/versions/master/docs/install.html

3. 安装tensorflow依赖库

4. 配置tensorflow,需要你指定相应文件的安装目录

cd进tensorflow源文件。sudo ./configure

5. 使用Bazel编译构建

四. 测试安装:

安装完成,下面要测试安装是否成功,命令行环境测试(注意python 和 python3的语法稍有不同):

当出现预料中的 Hello World! 时,恭喜你,TensorFlow 环境安装成功了,折腾了那边久终于松了一口气,满满的成就感吧。

CentOS下如果出现错误提示: ImportError: /lib64/libc.so.6: version `GLIBC_2.14' not found

Failed to load the native TensorFlow runtime.

不用担心,这是你的GLIB版本过低(操作系统版本有点老),解决方法如下:

1. 到http://ftp.gnu.org/gnu/glibc/

下载 glibc-2.14.tar.gz 以及 对应插件 glibc-ports-2.14.tar.gz

注:安装 glib2.17以上版本不需要 ports 插件,步骤一样。

2. 编译安装

3. 替换文件,建立软连接

注:2.17以上版本不需要下面操作,install已经完成了替换。

libstdc++ 版本问题:

对应 libstdc++ 报错,处理方式与上面一致,安装新版本gcc即可,具体方式可以配置YUM源,也可以下载文件编译安装,或者下载库替换,这里不再介绍。

五. 配置集成环境:

配置集成环境是大多数情况下开发大型软件必做的一步,很多人都不喜欢用命令行,可以理解,在Linux下我们推荐Eclipse,Windows下推荐VS。

Eclipse配置:

1)配置 java环境

下载并安装 jdk1.8, 配置环境,打开~/.bashrc,加入一行:

2)安装 Eclipse

3)在 Eclipse 中安装pydev插件

Help -> Install New Software... 在弹出的对话框中,点Add 按钮。 Name选择http://pydev.org/updates

4)配置 pydev 解释器

在Eclipse菜单栏,点击Windows ->Preferences。

选择左侧列表 PyDev->Interpreter - Python,进入配置。

VS2015 配置:

Windows下的IDE 推荐2015,因为免费又好用,VS2015集成了Python开发环境,具体配置和使用方法这里就不讲了,自己试一下。

OK,还等什么,新建一个Project,开始你的旅程吧。

  • 发表于:
  • 原文链接http://kuaibao.qq.com/s/20180418B08EA800?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。

扫码关注云+社区

领取腾讯云代金券