第13弹:如何快速轻松地安装TensorFlow

本篇资料字数2121个,干货内容~

1.目标

今天我们将看到如何安装TensorFlow,查看系统中的TensorFlow,我们还将学习如何使用Anaconda安装Tensorflow,以及安装TensorFlow时Virtual环境,Pip,Docker的整个过程,以及GPU和CPU版本的安装过程。

让我们了解如何安装TensorFlow

如何快速轻松地安装TensorFlow

2.使用CPU和GPU进行TensorFlow安装

在开始使用Tensorflow之前,请务必注意TensorFLow已经通过64位版本和Ubuntu 16.04或更高版本的测试。在系统中安装TensorFlow之前,了解哪种安装最适合您的需求非常重要。您应该选择以下类型:

安装Tensorflow仅支持CPU:这通常比GPU支持的版本花费的时间更少,如果您的计算机系统中没有NVIDIA GPU,建议使用此类型

安装Tensorflow支持GPU:需要花费更多时间,但处理速度比CPU快,并且要满足要求,如下所示,在安装Tensorflow并支持GPU之前,必须在系统上安装以下程序:

CUDA®Toolkit9.0

与CUDA Toolkit 9.0相关的NVIDIA驱动程序。

cuDNN v7.0

具有CUDA Compute Capability 3.0或更高版本的GPU卡。

3.安装TensorFlow的方法

在Ubuntu中,如果尚未安装pip,建议先在系统中安装pip,这是使用Python时必备的工具。要安装pip,请使用以下命令:

#for Python 2.7

$ sudo apt-get install python-pip python-dev

#for Python 3.n

$ sudo apt-get install python3-pip python3-dev

然后,您可以使用以下方法继续安装Tensorflow:

安装在Virtual Box等虚拟环境中。

使用python包安装程序pip。

使用像Docker这样的容器软件。

使用Anaconda

从其他来源安装。

A. 使用虚拟环境

非常建议的方法,它无法干扰或影响同一台机器上的其他Python程序。您需要在BIOS中启用虚拟环境才能使用它。

为TensorFlow安装创建虚拟环境:

#for Python 2.7

$ virtualenv —system-site-packages targetDirectory

#for Python 3.n

$ virtualenv —system-site-packages -p python3 targetDirectory

您可以选择任何目录。然后使用激活环境。

$ source~ / tensorflow / bin / activate #bash,sh,ksh或zsh

$ source~ / tensorflow / bin / activate.csh #csh或tcsh

source命令现在变为:(tensorflow)$

现在,在活动虚拟环境中发出以下命令之一:

#for Python 2.7

(tensorflow )$ pip install —upgrade tensorflow

#for Python 3.n

(tensorflow )$ pip3 install —upgrade tensorflow

#for Python 2.7和GPU

(tensorflow )$ pip install —upgrade tensorflow-gpu

#for Python 3.n和GPU

(tensorflow )$ pip3 install —upgrade tensorflow-gpu

B. 用pip

原生点直接将TensorFlow安装到您的系统中,无需通过任何容器系统。此外,它易于安装。使用以下命令进行安装:

如果上述步骤失败,请尝试使用以下命令升级二进制文件:

C. 使用Docker安装TensorFlow

它将库安装与计算机上预先存在的软件包隔离开来。唯一的缺点是Docker镜像可能有点大约100Mbs。您必须先安装Docker并初始化容器。要安装支持GPU的TensorFlow版本,必须首先安装存储在GitHub中的Nvidia-docker,然后启动包含TensorFlow二进制映像之一的Docker容器。只有CPU支持:

$ docker run -it -p hostPort:containerPort TensorFlowCPUImage

其中-p hostPort:containerPort是可选的。

TensorFlowCPUImage是必需的。指定以下值之一:

tensorflow / tensorflow,这是TensorFlow CPU二进制映像。

tensorflow / tensorflow:latest-devel,这是最新的TensorFlow CPU二进制图像加源代码。

tensorflow / tensorflow:version,是TensorFlow CPU二进制映像的指定版本(例如,1.1.0rc1)。

tensorflow / tensorflow:version-devel,它是TensorFlow GPU二进制图像和源代码的指定版本(例如,1.1.0rc1)。

例如,

$ docker run -it tensorflow / tensorflow bash

你也可以使用Jupyter notebook

$ docker run -it -p 8888 :8888 tensorflow / tensorflow

D. 使用Anaconda安装TensorFlow

您可以使用conda创建虚拟环境,然后使用conda install或pip install来安装TensorFlow。首先,您需要在系统中下载并安装Anaconda。

$ conda create -n tensorflow pip python=2.7 # or python=3.3, etc.

创建名为tensorflow的conda环境以运行Python版本。使用激活conda环境,

然后,使用以下命令安装TensorFlow:

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

例如,以下命令安装TensorFlow for Python 3.4的仅CPU版本:

现在输入以下命令来测试您的安装:

#Python

如果一切正确完成,您应该看到以下输出:Hello, TensorFlow!

在Windows上安装Tensorflow:

使用PIP安装

使用Anaconda安装

E. 使用Pip安装TensorFlow

前面描述的上述方法对于windows也是相同的,只有一些小的改动。

首先,启动终端,然后键入:

C:> pip3 install —upgrade tensorflow

并且对于GPU支持,使用tensorflow添加“-gpu”后缀。而已。

F. 使用Anaconda

创建一个conda环境,如下所示:

C:> conda create -n tensorflow pip python = 3.5

然后,使用以下命令激活环境:

现在,发出TensorFlow安装命令,如下所述:

(tensorflow )C:> pip install —ignore-installed —upgrade tensorflow

现在,是时候使用以下方法测试安装:

首先在终端启动python,然后键入以下内容:

如果输出如下所示,那么,祝贺您的第一个TensorFlow代码!

Hello, TensorFlow!

3.在MacOS中安装TensorFlow

安装TensorFlow时遵循以下方法:

VIRTUALENV

PIP

Docker

带有docker和Virtualenv的TensorFlow安装保持与前面描述的相同。

使用pip,首先安装它:

现在,安装TensorFlow

#Python 2.7; CPU支持

$ pip install tensorflow

#Python 3.n; CPU支持

$ pip3 install tensorflow

就是这样很简单,对吧!

现在使用相同的上一个命令验证您的安装

#Python

你应该看到以下输出:

Hello, TensorFlow!

这就是如何安装TensorFlow,希望您喜欢我们对安装TensorFlow的解释。

4. 结论

我们看到了如何通过在不同系统上使用各种方法导入库和依赖项来安装Tensorflow。此外,我们讨论了使用GPU和CPU的TensorFlow安装。另外看到使用Pip,Anaconda和Virtual环境安装TensorFlow

我是极客

崇尚科学、自由与创新,追求极客装备、热爱数据技术、算法思路、产品研发 “如果你对世界充满好奇心和探索精神,并愿意自己去创造哪怕一些改变——这其实就够了”

更多干货文章,更多新鲜事物,等你来发现,马上关注公众号!

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20181102G0CQD000?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。
  • 如有侵权,请联系 yunjia_community@tencent.com 删除。

扫码关注云+社区

领取腾讯云代金券