TensorFlow环境搭建

  TensorFlow环境搭建

早期的深度学习研究者为了避免每个研究者在开发项目时都需要写大量的重复代码的问题，把一些深度学习的代码写成框架放到网上供所有研究者一起使用。这些框架节约了大量时间，提高了效率，深受研究者的欢迎，因此又不断出现很多深度学习框架。在我们开始学习研究深度学习之前，选择一个适合自己的框架可能会给我们的学习带来事半功倍的效果，因此，了解框架以及搭建框架环境也是我们开始学习的一部分。上一章的学习我们已经学习了解深度学习的几个常用框架，接下来我们以TensorFlow为例学习如何搭建这些框架的开发环境。

安装TensorFlow (Windows)

1. 安装Anaconda

在Anaconda官网（https://www.anaconda.com/download/#windows）下载Anaconda的最新版本，因为现在TensorFlow for Windows只支持Python3.5和Python3.6，所以我们选择Python 3.5+Anaconda3-5.0.0演示， 如果官网没有可用版本，也可以在清华镜像源（https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/?C=N&O=D）下载对应版本。安装时应注意两点，第一是在安装时选择可用对象是应选择All user如图1，否则在使用时会出现权限问题。

图 1  Anaconda使用对象选择

第二是Anaconda安装默认不加入系统PATH，在这一步应勾选自动加入，如图2

图 2 系统PATH加入选择

1. 安装Python环境

在Python官网（https://www.python.org/downloads/windows/）根据自己的电脑配置下载Python3.5安装包，然后运行安装包中的setup.py文件安装，安装完成后在CMD中输入python测试是否安装成功，进入Python编译环境说明安装成功。

1. 安装TensorFlow

在系统中找到Anaconda Prompt使用管理员权限进入，在命令行中输入下面的命令安装：

$ pip install tensorflow

1. 测试TensorFlow

安装完成之后我们需要调用TensorFlow，看是否安装、设置完整。在CMD中输入Python，进入Python编译环境，输入以下代码：

>>> import tensorflow as tf

>>> hello = tf.constant('hello! world')

>>> sess = tf.Session()

>>> print(sess.run(hello))

正常运行证明环境搭建成功，也可以在Anaconda的Spyder中输入上面的代码进行测试。

 安装TensorFlow (OS\Linux\Ubuntu)

Tensorflow的环境搭建我是在Ubuntu系统上给大家做演示的，python版本为2.7，是系统自带的，倘若电脑上没有python或者想更换版本，自行在官网下载。可在终端输入以下命令查看python版本：

$ python --version

1.安装python对应得版本和依赖包。

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

2.安装TensorFlow之前，不管当前版本是否为pip最新版本，首先都应该更新一下。

$ pip install --upgrade pip

3.TensorFlow的安装。

可输入以下命令下载相应版本的TensorFlow:

$ pip install https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.5.0-cp27-none-linux_x864.whl

也可直接输入一下命令下载最新版本的Tensorflow:

$ pip install tensorflow

下载TensorFlow过程中如果网络不通畅，可能会出想红色字体，可再次输入命令多尝试几次。下载成功时，显示为以图3或图4界面：

图3 安装TensorFlow最新版过程图

或：

图4 安装TensorFlow固定版本过程图

之后便可以验证是否可以正常使用了，在终端输入python，然后输入以下命令，成功运行则表示TensorFlow安装成功。

>>> import tensrflow as tf

>>> hello=tf.constant(‘Hello,TensorFlow!’)

>>> sess = tf.Session()

>>> print sess.run(hello)

Hello,TensorFlow!

>>> a = tf.constant(10)

>>> b = tf.constant(83)

>>> print sess.run(b-a)

73

Tensorflow安装过程大致如上文所示，但是在安装时不同的人极有可能遇到不同的坑，在输入命令发生错误时，终端的最后一行都会有相应提示，这个时候冷静下来解决相应的问题最终会安装成功的。