Ubuntu 下多种方式安装 TensorFlow 总结（未完待续。。。。）

最新推荐文章于 2022-12-07 09:53:40 发布

CareChere

最新推荐文章于 2022-12-07 09:53:40 发布

阅读量860

点赞数 3

分类专栏：安装工具及环境配置

安装工具及环境配置专栏收录该内容

20 篇文章 0 订阅

订阅专栏

前言

在本篇文章中，我们将介绍TensorFlow的安装，TensorFlow是Google公司在2015年11月9日开源的一个深度学习框架。

官网文档地址为：https://www.tensorflow.org/
官方GitHub仓库：https://github.com/tensorflow/tensorflow
TensorFlow目前支持4种开发语言，分别是Python（包括Python2和Python3）、Java、Go、C。笔者使用的环境如下：

开发语言：Python 3.6
使用操作系统：Ubuntu 16.04
硬件环境：CPU
基于这些环境，我们来安装TensorFlow吧。

Ubuntu下安装TensorFlow
在Ubuntu上我们分别在原生pip、Virtualenv 环境、 Docker容器、Bazel环境以及Anaconda环境下安装。

一、原生pip安装TensorFlow

使用原生的pip安装时最简单的，直接安装使用一条命令就可以安装完成了。

首先确认Python环境，Ubuntu会自带Python环境的，不用我们自己安装，使用python3 -V可以查询安装的Python环境，输出如下：
Python 3.5.2

安装TensorFlow需要使用pip命令，默认是没有安装的，所以我们需要安装pip命令：

sudo apt-get install python3-pip python3-dev

这里笔者要说一下，默认的镜像源太慢了，笔者修改成阿里镜像源了，修改方式如下：

备份源列表文件：

sudo cp /etc/apt/sources.list /etc/apt/sources.list.bak

编辑源列表文件：

sudo vi /etc/apt/sources.list

清空里面的内容，添加以下的的信息：

deb http://mirrors.aliyun.com/ubuntu/ xenial main
deb-src http://mirrors.aliyun.com/ubuntu/ xenial main

deb http://mirrors.aliyun.com/ubuntu/ xenial-updates main
deb-src http://mirrors.aliyun.com/ubuntu/ xenial-updates main

deb http://mirrors.aliyun.com/ubuntu/ xenial universe
deb-src http://mirrors.aliyun.com/ubuntu/ xenial universe
deb http://mirrors.aliyun.com/ubuntu/ xenial-updates universe
deb-src http://mirrors.aliyun.com/ubuntu/ xenial-updates universe

deb http://mirrors.aliyun.com/ubuntu/ xenial-security main
deb-src http://mirrors.aliyun.com/ubuntu/ xenial-security main
deb http://mirrors.aliyun.com/ubuntu/ xenial-security universe
deb-src http://mirrors.aliyun.com/ubuntu/ xenial-security universe

最后执行更新列表命令：

sudo apt update

安装完成pip命令之后，可以使用pip3 -V查看是否已经安装成功及安装的版本，输出如下，官方要求pip的版本要不小于8.1：

pip 8.1.1 from /usr/lib/python3/dist-packages (python 3.5)

如果觉得版本太低，也可以升级，先要下载一个升级文件，命令如下：

wget https://bootstrap.pypa.io/get-pip.py

下载完成之后，可以使用这个文件安装最新的pip了：

sudo python3 get-pip.py

一切多准备完成，那就可以开始安装TensorFlow了，只要使用以下一条命令就可以：

sudo pip3 install tensorflow

如果使用上面安装比较慢的话，我们还可指定使用的镜像源，比如这里笔者使用的是阿里的镜像源，之后使用到pip安装的同样的操作：

sudo pip3 install -i https://mirrors.aliyun.com/pypi/simple/ tensorflow

安装完成之后，可以使用以下命令查看是否完成及安装的版本：

pip3 list

注意：如果在运行报以下错误，多数是电脑的CPU不支持AVX指令集：

非法指令 (核心已转储)

如何知道自己的电脑是不是支持AVX指令集呢，可以通用以下的命令查看，输出Yes就是支持，No就是不支持：

if cat /proc/cpuinfo | grep -i avx; then echo Yes; else echo No; fi

TensorFlow在1.6版本之后都会使用AVX指令集，如果读者的电脑不支持AVX指令集，就要安装低版本的，如下是安装1.5版本的：

pip3 install tensorflow==1.5

安装完成之后，可以进行测试，测试情阅读最后的测试部分。

二、Virtualenv安装TensorFlow

首先通过以下的命令来安装 pip 和 Virtualenv：

sudo apt-get install python3-pip python3-dev python-virtualenv

然后通过下面的命令来创建 Virtualenv 环境：

virtualenv --system-site-packages -p python3 ~/tensorflow

最后通过下面的命令激活 Virtualenv 环境：

source ~/tensorflow/bin/activate

这时会发现控制台已经发生了变化，变成如下状态，这表明已经进入了 Virtualenv 环境：

(tensorflow) yeyupiaoling@tensorflow:~$

接下来的操作都是在这个Virtualenv 环境下操作，比我们的pip命令也是在这里的，可以使用pip3 -V查看：

pip 10.0.1 from /home/yeyupiaoling/tensorflow/lib/python3.5/site-packages/pip (python 3.5)

我们在Virtualenv 环境里通过以下的命令即可完成安装TensorFlow：

pip3 install tensorflow

不支持AVX的请安装1.5版本：

pip3 install tensorflow==1.5

使用完成之后，可以通过以下命令退出Virtualenv 环境：

deactivate

三、Docker下安装TensorFlow

要使用Docker，就要先安装Docker，以下命令就是安装Docker的命令：

sudo apt-get install docker.io

安装完成之后，可以使用docker --version查看Docker的版本，如果有显示，就证明安装成功了。

然后我们可以通过以下的命令拉取TensorFlow的镜像，我们也可以通过dockerhub获取更多Docker镜像：

docker pull tensorflow/tensorflow:1.8.0-py3

如果电脑不支持AVX指令集的，请安装低版本的TensorFlow镜像：

docker pull tensorflow/tensorflow:1.5.1-py3

拉取完成镜像，就可以使用docker images查看已经安装的镜像：

REPOSITORY TAG IMAGE ID CREATED SIZE
tensorflow/tensorflow 1.8.0-py3 a83a3dd79ff9 2 months ago 1.33 GB

使用TensorFlow的Docker镜像有个好处就是自带了jupyter notebook，启动镜像之后可以直接使用jupyter。

sudo docker run -it -p 80:8888 tensorflow/tensorflow:1.8.0-py3

然后终端会输出以下信息，要注意输出的token：

[I 07:08:38.160 NotebookApp] Writing notebook server cookie secret to /root/.local/share/jupyter/runtime/notebook_cookie_secret
[W 07:08:38.177 NotebookApp] WARNING: The notebook server is listening on all IP addresses and not using encryption. This is not recommended.
[I 07:08:38.186 NotebookApp] Serving notebooks from local directory: /notebooks
[I 07:08:38.186 NotebookApp] 0 active kernels
[I 07:08:38.187 NotebookApp] The Jupyter Notebook is running at:
[I 07:08:38.187 NotebookApp] http://[all ip addresses on your system]:8888/?token=ab489f0445846cb7f9d5c9613edcf7b9537cd245dbecf2a6
[I 07:08:38.187 NotebookApp] Use Control-C to stop this server and shut down all kernels (twice to skip confirmation).
[C 07:08:38.187 NotebookApp]

Copy/paste this URL into your browser when you connect for the first time,
to login with a token:
http://localhost:8888/?token=ab489f0445846cb7f9d5c9613edcf7b9537cd245dbecf2a6

然后我们在浏览器上输入IP地址，如何是在本地，那就就输入localhost，得到的页面如下，输入终端输出的token和新密码就可以登录使用jupyter了：

è¿éåå¾çæè¿°

得到的jupyter网页如下：

è¿éåå¾çæè¿°

如果停止运行镜像了，可以使用以下的命令找到之前使用这个进行run生成的一个容器：

sudo docker ps -a

会得到以下信息，其中最重要的是CONTAINER ID：

CONTAINER ID        IMAGE                             COMMAND                  CREATED             STATUS                      PORTS               NAMES
44aa680ac51f        tensorflow/tensorflow:1.8.0-py3   "/run_jupyter.sh -..."   14 minutes ago      Exited (0) 21 seconds ago                       cranky_elion

通过这个CONTAINER ID可以再次启动这个容器，这样就不用每次都run一个容器出来，占用磁盘容量，同时也可以保存原来的环境，可以使用以下的命令启动容器：

sudo docker start 44aa680ac51f

启动之后是在后台运行的，那么如何让容器有信息输入的同时会输出到控制台呢，可以用使用以下的命令实现：

sudo docker attach 44aa680ac51f

如果要以终端的方式进入到容器中，可以使用以下的命令：

sudo docker exec -it 44aa680ac51f /bin/bash

安装完成之后，可以进行测试，测试情阅读最后的测试部分。

四、Bazel下安装TensorFlow

五、Anaconda下安装TensorFlow

测试

安装完成之后，我们要测试一下环境是不是已经成功安装并且可以正常使用了。

首先编译一个测试test1.py文件：

import tensorflow as tf

hello = tf.constant('Hello, TensorFlow!')

sess = tf.Session()

print(sess.run(hello))

然后我们执行这个文件python3 test1.py就可以运行它了，正常情况下会输出以下内容：

2018-07-08 15:11:05.240607: I tensorflow/core/platform/cpu_feature_guard.cc:140] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2 FMA
b'Hello, TensorFlow!'

以上是在终端上操作的，那么使用Docker应该如何执行这些文件呢。有两种方法，一种就是以命令终端的方式进入到TensorFlow镜像中，之后的操作就跟在Ubuntu操作差不多了：

docker run -it -v $PWD:/work tensorflow/tensorflow:1.8.0-py3 /bin/bash

另一种就是挂载目录到镜像上，然后直接通过命令执行代码文件：

docker run -it -v $PWD:/work -w /work tensorflow/tensorflow:1.8.0-py3 python3 /work/test1.py

参考资料

https://opsx.alibaba.com/mirror
https://www.tensorflow.org/install/install_linux
https://www.tensorflow.org/install/install_windows
https://www.tensorflow.org/install/install_sources
https://blog.csdn.net/u014132659/article/details/51544754
http://www.tensorfly.cn/tfdoc/get_started/introduction.html
https://blog.csdn.net/u010099080/article/details/53418159
https://blog.csdn.net/u010397369/article/details/41045251
https://github.com/tensorflow/models/tree/master/research/slim#pre-trained-models