一、win10 64位系统下安装anaconda3-4.3.1和tesorflow1.0
本文的主要内容是,在win10 64位系统下安装anaconda3-4.3.1(里面自带python3.6和pip(python包管理工具))和tesorflow1.0(配置Spyder)的具体过程。去年一直要学tensorflow,但由于学习功课较多就不了了之了。最近用于要写论文,可能要做深度学习的东西,所以又丛头开始来学习。既然要学习TensorFlow,搭建环境是少不了的,在安装环境期间前前后后折腾了好多次,每次感觉都出现一些问题,导致后来跑代码的时候各种出错。目前使用的方法是我折腾了几次之后,借鉴了网上好多牛人的博客,经过跑几次程序检验之后能跑通的,在此分享出来希望能帮助到需要的人,也感谢大牛的分享。
anaconda官网下载windows版本的anaconda,并安装
由于在官网下载anaconda速度非常慢,所以就在网上找到了清华镜像https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/ ,我就直接在这里下载了64位的anaconda3-4.3.1。安装软件一直都不喜欢安装在C盘,所以就将anaconda安装在了E盘,tensorflow安装的是0.12的版本,然后跑官网的RNN程序的时候出现了错误
【TypeError: strided_slice() missing 1 required positional argument: ‘strides’】
有人说是版本低了,所以我想升级tensorflow。如果以前没有安装过tensorflow,可以跳过此步骤,等anaconda安装完之后进行“安装tensorflow1.0”的安装。
pip3 install --upgrade tensorflow
然后就报错了,看了一下错误,我觉得可能和安装路径没有使用默认有关系(其实我不太懂),所以干脆卸载,重新安装tensorflow1.0
注:我卸载了原来电脑自带的Python,安装anaconda的时候,把anaconda添加到了环境变量中,并且把anaconda下的Python设成了默认,这两个在安装的过程中是两个选项,直接勾选就可以了
安装tensorflow1.0
在开始菜单中找到刚安装好的anaconda目录,展开选择anaconda prompt,进入命令模式 ,输入一下命令
conda create -n tensorflow python=3.5
新版的anaconda中的python是3.6版的,据说tensorflow在python3.5下更稳定,所以这里创建一个py1
conda create -n tensorflow python=3.5thon3.5的环境。安装完成后,输入
activate tensorflow
按照命令行提示进行激活。
安装tensorflow1.0 CPU版本
pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow-1.0.1-cp35-cp35m-win_amd64.whl
等待安装结束。以上几个步骤,可能会碰到安装进度条不动或者安装时异常结束,可以按回车键继续安装或者重新输入命令接着上一步的缓存进行安装。
进行测试
|
import tensorflow as tf
hello = tf.constant("hello tensorflow!")
sess = tf.Session()
print(sess.run(hello))
安装配套的Spyder
打开anaconda navigator
在左侧选择Home,然后旁边有Applications on,这是个下拉菜单,点开选择tensorflow,然后在下边找到Spyder,点击install,等待安装结束。
启动有tensorflow的Spyder
如果点击开始菜单中的Spyder,启动的是python3.6的Spyder。所以我从anaconda prompt启动Spyder。
打开anaconda prompt,依次输入两条命令
activate tensorflow
spyder
|
这样启动的是python3.5有tensorflow的Spyder。
另外,当需要通过Anaconda Prompt命令行运行项目时,跟运行python程序一样,只不过需要先通过activate tensorflow指令激活tensorflow,在进入tensorflow环境后,通过cd 项目路径 的方式转到python程序所在文件,再通过 python xxx.py [参数 根据情况可有可无]运行程序。
二、Tensorflow安装教程(Linux+Anaconda2)
Tensorflow的安装相比Caffe的安装要容易很多!
Tensorflow的安装方式方法有很多种,比如Pip, Docker, Virtualenv, Anaconda 或 源码编译。这里我们推荐Anaconda 安装,本文也主要讲述Anaconda 下Tensorflow的安装。
Anaconda 是一个集成许多第三方科学计算库的 Python 科学计算环境,Anaconda 使用 conda 作为自己的包管理工具,同时具有自己的计算环境,类似 Virtualenv.
1.Anaconda的安装
1.1 Anaconda的下载页参见官网下载,Linux、Mac、Windows均支持。
安装时,会发现有两个不同版本的Anaconda,分别对应Python 2.7和Python 3.5,两个版本其实除了这点区别外其他都一样。后面我们会看到,安装哪个版本并不本质,因为通过环境管理,我们可以很方便地切换运行时的Python版本。(由于我常用的Python是2.7和3.4,因此倾向于直接安装Python 2.7对应的Anaconda)安装的脚本如下图:
上图中红色标注部分为Anaconda2,读者也可选择Anaconda3。
通过执行sh Anaconda2-4.3.1-Linux-x86_64.sh,即可完成安装。
安装完成以后就是多了一个~/anaconda2的目录。
安装完成后设置PATH的操作:
#将anaconda的bin目录加入PATH,根据版本不同,也可能是~/anaconda3/bin
echo ‘export PATH=”~/anaconda2/bin:$PATH”’ >> ~/.bashrc
#更新bashrc以立即生效
source ~/.bashrc
配置好PATH后,可以通过which conda或conda –version命令检查是否正确。假如安装的是Python 2.7对应的版本,运行python –version或python -V可以得到Python 2.7.12 :: Anaconda 4.1.1 (64-bit),也说明该发行版默认的环境是Python 2.7。
1.2 Conda的包管理
Conda的包管理就比较好理解了,这部分功能与pip类似。例如,如果需要安装scipy:
# 安装scipy
conda install scipy
# 查看已经安装的packages
conda list
conda的一些常用操作如下:
# 查看某个指定环境的已安装包
conda list -n python27
# 查找package信息
conda search numpy
# 安装package
conda install -n python27 numpy
# 更新package
conda update -n python27 numpy
# 删除package
conda remove -n python27 numpy
1.3 设置国内镜像
如果需要安装很多packages,你会发现conda下载的速度经常很慢,因为Anaconda.org的服务器在国外。所幸的是,清华TUNA镜像源有Anaconda仓库的镜像,我们将其加入conda的配置即可:# 添加Anaconda的TUNA镜像
conda config –add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
2.CUDA以及CUDNN安装
Tensorflow同Caffe一样,也是支持CPU和GPU两个版本。故也需要安装CUDA和CUDNN.本文建议安装CUDA版本为8.0,CUDNN版本为5.1。安装教程见 Caffe教程的中CUDA和CUDNN的安装。
3.Tensorflow安装
3.1 建立一个 conda 计算环境
#计算环境名字叫 tensorflow:conda create -n tensorflow python=2.7
#激活环境使用 conda 安装 TensorFlow:
source activate tensorflow
#安装tensorflow
(tensorflow)$ pip install –ignore-installed –upgrade https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-0.12.0rc0-cp27-none-linux_x86_64.whl
安装版本读者可自行选择:
# Ubuntu/Linux 64-bit, CPU only, Python 2.7
https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.12.0rc0-cp27-none-linux_x86_64.whl
# Ubuntu/Linux 64-bit, GPU enabled, Python 2.7
# Requires CUDA toolkit 8.0 and CuDNN v5. For other versions, see “Installing from sources” below.
https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-0.12.0rc0-cp27-none-linux_x86_64.whl
# Mac OS X, CPU only, Python 2.7:
https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-0.12.0rc0-py2-none-any.whl
# Mac OS X, GPU enabled, Python 2.7:
https://storage.googleapis.com/tensorflow/mac/gpu/tensorflow_gpu-0.12.0rc0-py2-none-any.whl
# Ubuntu/Linux 64-bit, CPU only, Python 3.4
https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.12.0rc0-cp34-cp34m-linux_x86_64.whl
# Ubuntu/Linux 64-bit, GPU enabled, Python 3.4
# Requires CUDA toolkit 8.0 and CuDNN v5. For other versions, see “Installing from sources” below.
https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-0.12.0rc0-cp34-cp34m-linux_x86_64.whl
# Ubuntu/Linux 64-bit, CPU only, Python 3.5
https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.12.0rc0-cp35-cp35m-linux_x86_64.whl
# Ubuntu/Linux 64-bit, GPU enabled, Python 3.5
# Requires CUDA toolkit 8.0 and CuDNN v5. For other versions, see “Installing from sources” below.
https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-0.12.0rc0-cp35-cp35m-linux_x86_64.whl
# Mac OS X, CPU only, Python 3.4 or 3.5:
https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-0.12.0rc0-py3-none-any.whl
# Mac OS X, GPU enabled, Python 3.4 or 3.5:
https://storage.googleapis.com/tensorflow/mac/gpu/tensorflow_gpu-0.12.0rc0-py3-none-any.whl
读者选择好之后替换pip命令后的链接即可!!!
重点:安装成功后,每次使用 TensorFlow 的时候需要激活 conda 环境: source activate tensorflow
当你不用 TensorFlow 的时候,关闭环境:
(tensorflow)$ source deactivate
安装完成后即可进行测试检验是否安装成功:
import tensorflow as tf
没有报错的话,那就恭喜你暗中成功了!
本文建议使用Jupyter进行Python代码的编写。关于Jupyter安装很简单,不在赘述。但在进行代码执行的时候需要配置一下kernels,具体见这里。