Tensorflow安装教程(Linux+Anaconda2)

Tensorflow的安装相比Caffe的安装要容易很多！
Tensorflow的安装方式方法有很多种，比如Pip, Docker, Virtualenv, Anaconda 或 源码编译。这里我们推荐Anaconda 安装，本文也主要讲述Anaconda 下Tensorflow的安装。
Anaconda 是一个集成许多第三方科学计算库的 Python 科学计算环境,Anaconda 使用 conda 作为自己的包管理工具,同时具有自己的计算环境,类似 Virtualenv.
1.Anaconda的安装
1.1 Anaconda的下载页参见官网下载，Linux、Mac、Windows均支持。
安装时，会发现有两个不同版本的Anaconda，分别对应Python 2.7和Python 3.5，两个版本其实除了这点区别外其他都一样。后面我们会看到，安装哪个版本并不本质，因为通过环境管理，我们可以很方便地切换运行时的Python版本。（由于我常用的Python是2.7和3.4，因此倾向于直接安装Python 2.7对应的Anaconda）
安装的脚本如下图：
上图中红色标注部分为Anaconda2，读者也可选择Anaconda3。
通过执行sh Anaconda2-4.3.1-Linux-x86_64.sh,即可完成安装。
安装完成以后就是多了一个~/anaconda2的目录。
安装完成后设置PATH的操作:
#将anaconda的bin目录加入PATH，根据版本不同，也可能是~/anaconda3/bin
echo ‘export PATH=”~/anaconda2/bin:$PATH”’ >> ~/.bashrc
#更新bashrc以立即生效
source ~/.bashrc
配置好PATH后，可以通过which conda或conda –version命令检查是否正确。假如安装的是Python 2.7对应的版本，运行python –version或python -V可以得到Python 2.7.12 :: Anaconda 4.1.1 (64-bit)，也说明该发行版默认的环境是Python 2.7。
1.2 Conda的包管理
Conda的包管理就比较好理解了，这部分功能与pip类似。
例如，如果需要安装scipy：
# 安装scipy
conda install scipy
# 查看已经安装的packages
conda list
conda的一些常用操作如下：
# 查看某个指定环境的已安装包
conda list -n python27
# 查找package信息
conda search numpy
# 安装package
conda install -n python27 numpy
# 更新package
conda update -n python27 numpy
# 删除package
conda remove -n python27 numpy
1.3 设置国内镜像
如果需要安装很多packages，你会发现conda下载的速度经常很慢，因为Anaconda.org的服务器在国外。所幸的是，清华TUNA镜像源有Anaconda仓库的镜像，我们将其加入conda的配置即可：
# 添加Anaconda的TUNA镜像
conda config –add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
2.CUDA以及CUDNN安装
Tensorflow同Caffe一样，也是支持CPU和GPU两个版本。
故也需要安装CUDA和CUDNN.本文建议安装CUDA版本为8.0，CUDNN版本为5.1。安装教程见Caffe教程的中CUDA和CUDNN的安装。
3.Tensorflow安装
3.1 建立一个 conda 计算环境
#计算环境名字叫 tensorflow:
conda create -n tensorflow python=2.7
#激活环境使用 conda 安装 TensorFlow:
source activate tensorflow
#安装tensorflow
(tensorflow)$ pip install –ignore-installed –upgrade https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-0.12.0rc0-cp27-none-linux_x86_64.whl
安装版本读者可自行选择：
# Ubuntu/Linux 64-bit, CPU only, Python 2.7
https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.12.0rc0-cp27-none-linux_x86_64.whl

# Ubuntu/Linux 64-bit, GPU enabled, Python 2.7
# Requires CUDA toolkit 8.0 and CuDNN v5. For other versions, see “Installing from sources” below.
https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-0.12.0rc0-cp27-none-linux_x86_64.whl

# Mac OS X, CPU only, Python 2.7:
https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-0.12.0rc0-py2-none-any.whl

# Mac OS X, GPU enabled, Python 2.7:
https://storage.googleapis.com/tensorflow/mac/gpu/tensorflow_gpu-0.12.0rc0-py2-none-any.whl

# Ubuntu/Linux 64-bit, CPU only, Python 3.4
https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.12.0rc0-cp34-cp34m-linux_x86_64.whl

# Ubuntu/Linux 64-bit, GPU enabled, Python 3.4
# Requires CUDA toolkit 8.0 and CuDNN v5. For other versions, see “Installing from sources” below.
https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-0.12.0rc0-cp34-cp34m-linux_x86_64.whl

# Ubuntu/Linux 64-bit, CPU only, Python 3.5
https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.12.0rc0-cp35-cp35m-linux_x86_64.whl

# Ubuntu/Linux 64-bit, GPU enabled, Python 3.5
# Requires CUDA toolkit 8.0 and CuDNN v5. For other versions, see “Installing from sources” below.
https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-0.12.0rc0-cp35-cp35m-linux_x86_64.whl

# Mac OS X, CPU only, Python 3.4 or 3.5:
https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-0.12.0rc0-py3-none-any.whl

# Mac OS X, GPU enabled, Python 3.4 or 3.5:
https://storage.googleapis.com/tensorflow/mac/gpu/tensorflow_gpu-0.12.0rc0-py3-none-any.whl
读者选择好之后替换pip命令后的链接即可！！！

重点：安装成功后，每次使用 TensorFlow 的时候需要激活 conda 环境： source activate tensorflow

当你不用 TensorFlow 的时候，关闭环境:
(tensorflow)$ source deactivate
安装完成后即可进行测试检验是否安装成功：
import tensorflow as tf

没有报错的话，那就恭喜你暗中成功了！

本文建议使用Jupyter进行Python代码的编写。关于Jupyter安装很简单，不在赘述。但在进行代码执行的时候需要配置一下kernels,具体见这里。