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()