【tensorflow】Ubuntu18系统python27环境下安装tensorflow环境

前言

对之前自己学习tensorflow的笔记整理了一下。

下列操作都是基于ubuntu 18.04 的系统，python是2.7，tf是1.3.0。其他系统或软件版本可能会存在细微差别。有问题多谷歌、百度，遇到的问题基本上都有人遇到过了。

1 安装

1.1 下载TF前提环境

先查看基础条件是否具备：

python，pip 是扩展包管理工具， virtualenv是开发环境管理工具。

python --version
pip --version
virtualenv --version

可以使用: sudo apt-get install 文件名 安装缺少的部分。

示例：如安装pip

输入：sudu apt install python-pip
或 sudo apt-get install python-dev python-pip

1.2 创建虚拟环境

使用virtualenv创建虚拟环境，不同的开发任务需要的包和版本也不同，所以一般分开管理。anaconda也会自带，只是anaconda体积太大。

• 查看当前已有的：ll

• 创建一个虚拟环境：

virtualenv --system-site-packages -p python2.7 ./venv

• 激活切换到创建好的环境：

source venv/bin/activate

• 退出当前环境，再切换到其他需要的环境

deactivate

1.3 包管理

创建好环境，安装好pip等文件之后就可以安装第三方的包了。

先看下已经安了哪些：

pip list installed

如果没有在已安装的列表里，手动安装：

pip install tensorflow

安装完了测试一下：进入python

import tensrflow as tf
print tf.__version__

可以显示版本就OK了。

exit（）退出python。

1.4 更高级的API (初学忽略)

TFLearn是一个深度学习库，它提供了基于tensorflow的高层API接口．是在tensorflow上建立的一个模块化的易于使用的库，有助于加快构建deep learning网络的过程，节省冗长的代码时间.

去 tflearn.org 的左侧 installation 找到对应 系统、python版本的TensorFlow文件下载指令，如64位ubuntu、py2.7对应的：

export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.1.0-cp27-none-linux_x86_64.whl

再输入下面对应的安装指令：

python2 的：
sudo pip install $TF_BINARY_URL

Python 3
sudo pip3 install ​$TF_BINARY_URL

即可安装。

1.5 安装注意事项（没问题可忽略）

pip临时安装包时使用镜像：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple some-package
推荐^^
或者：
pip install requests -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com
或者：
sudo apt-get install 包 -i https://pypi.tuna.tsinghua.edu.cn/simple

也可以直接更换ubuntu系统的镜像源文件。

python里的pip版本太新安装包可能报错：

File “/usr/bin/pip”, line 9, in from pip import main ImportError: cannot import name main

解决方法：

sudo vim /usr/bin/pip

将打开文件中的：

from pip import main 
if __name__ == '__main__': 
   sys.exit(main())

改为如下：一定注意下划线的数量、位置

from pip import __main__ 
if __name__ == '__main__': 
sys.exit(__main__._main())

2 Hello World

进入虚拟环境，打开python,输入：

import tensorflow as tf
hello = tf.constant("hello world!")
sess = tf.Session()
sess.run(hello)

输出：‘hello world!’ 说明没问题了，tensorflow里的张量（Tensor）、会话(Session)、计算图（Graph）等其他概念之后进一步说明。

3 安装编辑器（jupyter notebook）

在命令行编写、调试代码不方便，推荐安装jupyter notebook，通过前端网页调用系统里的python编译环境，需要配置kernel，功能和spyder里的Ipython窗口一样。

在这里我遇到了接触比较常见的一个坑，建议先不要急着做，把下文都看一下再操作安装，系统、包版本不同还有可能产生其他没遇到的错误。

ubuntu18.04，py2.7安装的jupyter notebook好像有一个bug，使用jupyter notebook打开的时候可能报一个编码解码错误：

UnicodeDecodeError: 'ascii' codec can't decode byte 0xe5 in position 4: ordinal not in range(128)

安装(可能出问题)

3.1 官方文档方法（py2.7）

附带的文件比较多，如果速度比较慢可以用 带-i的镜像安装。

python -m pip install --upgrade pip
python -m pip install -i https://pypi.tuna.tsinghua.edu.cn/simple jupyter

官方文档没带sudo，为了提前避免权限问题可以加上：sudo

3.2 创建kernel和虚拟环境连接

就是将前端的调用内核kernel和工作环境venv（自己创建的时候命名的）对应起来：

python -m ipykernel install --user --name=venv 
#python3 的版本
python3 -m ipykernel install --user --name=py3

可以用：jupyter kernelspec list 查看已经存在的kernel连接。

3.3 启动

jupyter notebook

然后就报上面那个编码错误了，这个错误感觉是接触python以来解决起来最麻烦的一个错误。可能也和不同的系统、包版本有关系，因为搜索看到很多人只是改了一下调用方式就可以了，有的重装一下jupyter也好了，我是都没有解决，谷歌百度搜了Stack Overflow，CSDN，Github和官方文档，最后也是一点一点搞好的，而且好了以后还不清楚到底是哪一步才导致的好了。

可能解决的方法：链接