浅入浅出TensorFlow 2 - 零基础安装

      对一个框架的熟悉过程是从安装开始,今天就带大家熟悉这里面的 第一道坎 - 安装

      TensorFlow 安装方式总结为:


一. Pip安装步骤: 

    1)安装 Pip

         Pip是目前使用最多的Python包管理工具。通常Linux和Mac是自带Python环境的(2.X版本,附带pip),如果系统没有安装Python环境,或者你需要使用Python3,可以参考下面的安装步骤:

         不同的平台下的安装方式有所区别,常用的平台安装命令:

● Ubuntu 64-bit

   $ sudo apt-get install python-pip python-dev   # for python
   $ sudo apt-get install python3-pip python3-dev # for python3

有时会提醒pip升级,处理方法如下:

   # You are using pip version 7.1.0, however version 9.0.1 is available.
   # You should consider upgrading via the 'pip install --upgrade pip' command.
   $ sudo pip install --upgrade pip          # for python
   $ sudo pip3 install --upgrade pip         # for python3

● CentOS, Fedora, RHEL

   # for python
   $ python --version   #  自带Python 2.6.6 和 pip
   $ sudo yum install python-pip python-devel # 命令安装

   # for python3
   $ sudo yum install epel-release python34 # Python 3.4.5
   $ wget --no-check-certificate https://bootstrap.pypa.io/get-pip.py
   $ sudo python3 get-pip.py  # 未自带pip3,从官网安装

● MAC OS

    mac 自带 python2.7 和 pip,如果没有的话,可以通过 下面的方式快速安装:

   $ sudo easy_install pip

   需要安装3.X版本的话,推荐用home-brew安装:

   $ /usr/bin/ruby -e "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/master/install)"
   # 1.可能需要修改权限
   $ sudo chown -R $(whoami) /usr/local/Cellar
   # 2.可能遇到下面错误,需要删掉对应路径,然后update
   # Error: Could not link: /usr/local/etc/bash_completion.d/brew
   $ rm -rf /usr/local/etc/bash_completion.d/brew
   $ brew update

   $ brew install python3
   $ pip3 -V


● Window

    a)下载Python安装包  .exe(3.5.3版本)

          地址: https://www.python.org/downloads/windows/

                    Download Windows x86-64 executable installer

   b)双击自定义安装

        需要修改默认安装位置,配置环境变量 - 选择 "Add Python 3.5 to PATH" 选项。


   c)高级选项,选择安装位置,勾选 install for all users


注:windows下也可以考虑 采用 Anaconda 安装,点击查看 安装方法

    2)安装 CUDA

         在Ubuntu下安装 CUDA 和 cudnn过程(其他版本类似):

a)安装 NVIDIA驱动

     官网下载地址:http://www.nvidia.com/Download/index.aspx?lang=en-us

执行命令安装:

sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update
sudo apt-get install nvidia-375
sudo apt-get install mesa-common-dev
sudo apt-get install freeglut3-dev

查询安装结果:

sudo reboot  # 重启
nvidia-smi

b)安装 CUDA

     官网下载地址:https://developer.nvidia.com/cuda-downloads

        

     执行下载的 CUDA安装包(.Run文件)进行安装:

sudo sh cuda_8.0.61_375.26_linux.run

     按空格 读完声明文件,Accept 接受安装,除了 驱动(已装完)选 no 之外,其他均选择默认。 

c)添加 CUDA 系统路径

     添加环境变量,可以加到 profile里,也可以加到 bashrc,在最后加入:

     修改 profile 文件,在末尾处添加(不要有空格)

sudo gedit /etc/profile   #or gedit ~/.bashrc
export PATH=/usr/local/cuda-8.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64$LD_LIBRARY_PATH
source /etc/profile  # save config(or sudo ldconfig)

     通过命令查看CUDA安装是否成功?

cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery

d)安装 cudnn

     官网下载地址:https://developer.nvidia.com/cudnn

     解压, Copy到对应 CUDA 目录,并建立软链接。

# 复制头文件和lib文件
sudo cp include/cudnn.h /usr/local/cuda/include/
sudo cp lib64/lib* /usr/local/cuda/lib64/

# 链接动态库
cd /usr/local/cuda/lib64/
sudo rm -rf libcudnn.so libcudnn.so.5
sudo ln -s libcudnn.so.5.x.x libcudnn.so.5
sudo ln -s libcudnn.so.5 libcudnn.so

    3)安装 TensorFlow

         根据你所选择的Python版本,下载对应的TensorFlow描述文件,进行安装:

         https://storage.googleapis.com/tensorflow/

         这是个XML文件,搜索1.1.0版本(截止到目前最新版本)对应的whl文件:

操作系统

对应.Whl文件

 Linux

 Linux

 

  

 CPU版本

    linux/cpu/tensorflow-1.1.0rc0-cp27-none-linux_x86_64.whl

    # 33|34|35|36  替换下面的cp33-cp33

    linux/cpu/tensorflow-1.1.0rc0-cp33-cp33m-linux_x86_64.whl

 GPU版本

    linux/gpu/tensorflow_gpu-1.1.0rc2-cp27-none-linux_x86_64.whl

    # 33|34|35|36

    linux/gpu/tensorflow_gpu-1.1.0rc2-cp33-cp33m-linux_x86_64.whl

 Debian

 CPU版本(only)

    linux/cpu/debian/jessie/tensorflow-1.1.0rc1-cp27-none-linux_x86_64.whl

 云版本Cloudml

 CPU版本

    linux/cpu/cloudml/tensorflow-1.1.0rc0-cp27-none-linux_x86_64.whl

 GPU版本(最高版本是1.0.0)

    linux/gpu/cloudml/avx2_fma/tensorflow_gpu-1.0.0-cp27-none-linux_x86_64.whl

  Mac

 CPU版本

    mac/cpu/tensorflow-1.1.0rc2-py2-none-any.whl

    mac/cpu/tensorflow-1.1.0rc2-py3-none-any.whl

 GPU version稳定的release(rc0)

    mac/gpu/tensorflow_gpu-1.1.0rc0-py2-none-any.whl

    mac/gpu/tensorflow_gpu-1.1.0rc0-py3-none-any.whl

 Windows

 目前仅支持Python 3.5

 CPU版本

    windows/cpu/tensorflow-1.1.0rc2-cp35-cp35m-win_amd64.whl

GPU版本

    windows/gpu/tensorflow_gpu-1.1.0rc2-cp35-cp35m-win_amd64.whl


         通过URL将对应的 whl 文件下载到本地, 比如作者采用 Py3.4(ubuntu14对应版本),Linux下对应的CPU版本:

      # Python 3
      $ sudo pip3 install --upgrade tensorflow-1.1.0rc2-cp34-cp34m-manylinux1_x86_64.whl

        也可以根据自己需要,直接配置URL在线 whl 进行安装:

      # Python3 version, GPU
      $ sudo pip3 install --upgrade https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.1.0rc2-cp35-cp35m-linux_x86_64.whl

      # Python3 version, CPU
      $ sudo pip3 install --upgrade https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.1.0rc0-cp34-cp34m-linux_x86_64.whl

      # python2.X version, Linux with GPU
      $ sudo pip install --upgrade https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.1.0rc2-cp27-none-linux_x86_64.whl

        需要注意:可能会遇到安装失败的情况,是网络问题,需要多试几次!


二. Docker安装:

       在云上部署的情况下常用Docker安装,关于Docker安装作者并不推荐,Docker的学习成本相对较高。


三. Make编译:

       1.下载源码

    Git clone --recurse-submodules https://github.com/tensorflow/tensorflow

       2. 安装Bazel

           可以参考官网安装方法:https://bazel.build/versions/master/docs/install.html

       3. 安装tensorflow依赖库

     sudo apt-get install Python-numpy swig python-dev python-wheel 

       4. 配置tensorflow,需要你指定相应文件的安装目录

           cd进tensorflow源文件。sudo ./configure

       5. 使用Bazel编译构建

     bazel build -c opt --config=cuda //tensorflow/cc:tutorials_example_trainer
     bazel-bin/tensorflow/cc/tutorials_example_trainer--use_gpu

四. 测试安装:

       安装完成,下面要测试安装是否成功,命令行环境测试(注意python 和 python3的语法稍有不同):

    # 进入python命令行
    $ python  # or python3
    >>> import tensorflow as tf
    >>> str = tf.constant("Hello World!")
    >>> se = tf.Session()
    >>> print se.run(str)  # or print (se.run(str))

       当出现预料中的 Hello World! 时,恭喜你,TensorFlow 环境安装成功了,折腾了那边久终于松了一口气,满满的成就感吧。

       CentOS下如果出现错误提示:  ImportError: /lib64/libc.so.6: version `GLIBC_2.14' not found

                                                       Failed to load the native TensorFlow runtime.

       不用担心,这是你的GLIB版本过低(操作系统版本有点老),解决方法如下:

1. 到 http://ftp.gnu.org/gnu/glibc/

    下载 glibc-2.14.tar.gz  以及 对应插件 glibc-ports-2.14.tar.gz

     注:安装 glib2.17以上版本不需要 ports 插件,步骤一样。

2. 编译安装

   [user@localhost ~]$ tar -xzvf glibc-2.14.tar.gz
   [user@localhost ~]$ tar -xzvf glibc-ports-2.14.tar.gz
   [user@localhost ~]$ mv glibc-ports-2.14 glibc-2.14/ports
   [user@localhost ~]$ cd glibc-2.14
   [user@localhost glibc-2.14]$ mkdir build
   [user@localhost glibc-2.14]$ cd build
   [user@localhost build]$ ../configure --prefix=/usr --disable-profile --enable-add-ons --with-headers=/usr/include --with-binutils=/usr/bin
   [user@localhost build]$ make -j4
   [user@localhost build]$ su
   [root@localhost build]# make install

3. 替换文件,建立软连接

    注:2.17以上版本不需要下面操作,install已经完成了替换。

   [root@localhost build]# cp libc.so /lib64/libc-2.14.so  # copy
   [root@localhost build]# rm -rf /lib64/libc.so.6          # 删除原文件
   [root@localhost build]# LD_PRELOAD=/lib64/libc-2.14.so ln -s /lib64/libc-2.14.so /lib64/libc.so.6   # 建立软连接
   [root@localhost build]# strings /lib64/libc.so.6 | grep GLIBC    # 查看是否安装成功

libstdc++ 版本问题:

     对应 libstdc++ 报错,处理方式与上面一致,安装新版本gcc即可,具体方式可以配置YUM源,也可以下载文件编译安装,或者下载库替换,这里不再介绍。


五. 配置集成环境:

        配置集成环境是大多数情况下开发大型软件必做的一步,很多人都不喜欢用命令行,可以理解,在Linux下我们推荐Eclipse,Windows下推荐VS。

Eclipse配置:

1)配置 java环境

     下载并安装 jdk1.8, 配置环境,打开~/.bashrc,加入一行:

    export JAVA_HOME=/your path/jdk/jdk1.8
    export CLASSPATH=${JAVA_HOME}/libexport PATH=${JAVA_HOME}/bin:$PATH
    source ~./bashrc 
    java -version  # 查看版本

2)安装 Eclipse

3)在 Eclipse 中安装pydev插件

     Help -> Install New Software... 在弹出的对话框中,点Add 按钮。 Name选择 PyDev,Location输入:http://pydev.org/updates

4)配置 pydev 解释器

    在Eclipse菜单栏,点击Windows ->Preferences。

    选择左侧列表 PyDev->Interpreter - Python,进入配置。

    点击右上角 New按钮, 选择 python.exe的路径,配置完成

VS2015 配置:

    Windows下的IDE 推荐2015,因为免费又好用,VS2015集成了Python开发环境,具体配置和使用方法这里就不讲了,自己试一下。

      OK,还等什么,新建一个Project,开始你的旅程吧。

评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值