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。