面向机器智能的TensorFlow实战1：安装

https://www.tensorflow.org/versions/master/get_started/os_setup.html

1、选择安装环境

三种环境：一般而言，如果准备在单机上安装和使用TensorFlow，建议采用Virtualenv或Conda，能够以较小的代价解决依赖冲突问题，且易于设置。如果准备将TensorFlow代码部署到一台或多台服务器上，则值得床架一个Docker容器镜像。笔者不推荐既不使用虚拟环境，也不适用容器的TensorFlow安装方法。

     代码库内部的软件包依赖：无需依赖于系统级的软件包或库

     使用依赖环境：对于Python的标准发型版，Virtualenv是直接可用的。如果使用的是Anaconda，它会包含一个内置的虚拟环境系统及其软件包管理器--Conda。

     使用容器：容器（如Docker）是将软件于完整的文件系统，包括其运行时和依赖库打包的轻量级方案。

2、Jupyter Notebook与matplotlib

     Jupyter Notebook，前身为iPython Notebook

     matplotlib是一个绘图库

3、创建Virtualenv环境

   Python 2.7 ---> sudo apt-get install python-pip python-dev python-virtualenv

   Python 3 ---> sudo apt-get install python3-pip python3-dev python3-virtualenv

   $ mkdir ~/env

   $ virtualenv --system-site-packages ~/env/tensorflow   //创建虚拟环境

   $ source ~/env/tensorflow/bin/activate            //激活虚拟环境

   $ deactivate      //关闭

   $ sudo printf '\nalias tensorflow="source ~/env/tensorflow/bin/activate"' >> ~/.bashrc  //创建别名

4、简易安装

如果不关心是否有GPU支持，可用官方预制的二进制安装程序安装，略。

5、 源码安装

    安装依赖库  $ sudo apt-get install python-numpy python-wheel python-imaging swig

    安装Bazel：一款基于谷歌内部软件的开源构建工具，用于构建TensorFlow

    安装CUDA软件：

    从源码构建和安装TensorFlow：

6、安装jupyter

   $ sudo pip install jupyter

7、安装matplotlib

   $ sudo apt-get build-dep python-matplotlib python-tk

8、测试Tensorflow

   $ mkdir  tf-notebook

   $ jupyter notebook

import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
#通知笔记本直接将matplotlib图表显示在浏览器中
%matplotlib inline   

a = tf.random_normal([2,20])
sess = tf.Session()
out = sess.run(a)
x, y = out

plt.scatter(x, y)
plt.show()