一、Anaconda 入门
由于我们使用 Anaconda 来安装 TensorFlow,所以不熟悉 Anaconda 的童鞋可以戳上面**
标题链接
**快速入门
##二、TensorFlow 的安装
1、win 10 下使用 win_anaconda3-4.2.0 百度云下载(python3.5) 安装 TensorFlow
- 从上面云盘链接下载并安装 Anaconda3-4.2.0
- 打开 cmd,然后执行
pip install tensorflow # CPU 版
或pip install tensorflow-gpu # GPU 版
- 安装指定版本
pip install --upgrade https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow-1.0.0-cp35-cp35m-win_amd64.whl
- py-opencv 的安装(方便以后进行图像处理)
- 打开 cmd,然后执行
conda install -c https://conda.anaconda.org/menpo opencv3
- 打开 ipython 测试一下:
import cv2 print(cv2.__version__)
- 点此链接下载社区版,然后 pip install opencv_contrib_python-4.1.1.26-cp37-cp37m-win_amd64.whl
- 若以上安装不成功可按照此链接进行社区支持版的安装
- 打开 cmd,然后执行
2、Ubuntu 下使用 linux_anaconda2-4.3.1 百度云下载(python2.7) 安装 TensorFlow
- 按照此教程安装CUDA8.0 和 cuDNN v5.1
- 安装 libcupti-dev library,
sudo apt-get install libcupti-dev
- 使用 Anaconda 创建虚拟环境,激活环境后,根据 Anaconda 中的 Python 版本选择 TF_PYTHON_URL 安装 TensorFLow
# 创建虚拟环境
conda create -n tensorflow
# 激活环境
source activate tensorflow
# 根据 Anaconda 中的 Python 版本选择 TF_PYTHON_URL(即 upgrade 后面的链接),然后安装 TensorFLow
pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.1.0-cp27-none-linux_x86_64.whl
# 安装完成后,可以打开 ipython 进行验证
>>> import tensorflow as tf
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess = tf.Session()
>>> print sess.run(hello)
Hello, TensorFlow!
# 查看安装版本和路径
>>> tf.__version__
'1.1.0'
>>> tf.__path__
['/home/manzp/anaconda2/lib/python2.7/site-packages/tensorflow']
# 至此,TF 安装成功,当你想离开此环境时,使用以下命令即可
source deactivate
# 在 tensorflow 文件夹下,切换到指定分支
git branch -a # 检查有哪些分支
git checkout r2.0 # 捡取 r2.0 分支
3、使用 virtualenv 安装不同版本的 TensorFlow(推荐)
-
(a)、virtualenv 简介
virtualenv
为应用提供了隔离的运行环境,解决了不同应用间多版本的冲突问题
-
(b)、使用 virtualenv 安装 TensorFLow
# 1、安装 pip and Virtualenv
sudo apt-get install python-pip python-dev python-virtualenv # for Python 2.7
sudo apt-get install python3-pip python3-dev python-virtualenv # for Python 3.n
# 2、在目录 ~/vir_env/tf_1.2 下创建一个虚拟环境
virtualenv --system-site-packages ~/vir_env/tf_1.2 # for Python 2.7
virtualenv --system-site-packages -p python3 ~/vir_env/tf_1.2 # for Python 3.n
# 3、激活虚拟环境
source ~/vir_env/tf_1.2/bin/activate
# 4、在虚拟环境中安装特定版本的 TF(如:tf 1.2.1)
pip install --upgrade tensorflow-gpu==1.2.1(or tfBinaryURL) # Python 2.7
pip3 install --upgrade tensorflow-gpu==1.2.1(or tfBinaryURL) # Python 3.n
# 5、退出虚拟环境
deactivate
# 6、删除虚拟环境
rm -rf ~/vir_env/tf_1.2
4、常见安装问题及注意事项
tf 1.3 及以后
的版本都需要确保pip ≥8.1
,可使用pip -V
查看,不满足可使用easy_install -U pip
进行升级- 安装速度很慢的时候,可以去 豆瓣镜像:http://pypi.douban.com/simple/tensorflow-gpu 或者清华镜像:https://mirrors.tuna.tsinghua.edu.cn/tensorflow/上找指定版本的链接
- 安装其它版本的
TensorFlow
可使用virtualenv
创建另一个虚拟环境,但要注意系统以及cuda
和cudnn
的版本的要求- tf 1.5 及以上:
cuda 9.0 、cudnn7.0
- tf 1.3 和 tf 1.4:
cuda8.0、 cudnn6.0
- tf 1.1 和 tf 1.2:
cuda8.0、cudnn5.1
- tf 1.5 及以上:
- cudnn 的安装与卸载
# 1、Unzip the cuDNN package.
tar -xzvf cudnn-9.0-linux-x64-v7.tgz
# 2、Copy the following files into the CUDA Toolkit directory.
sudo cp cuda/include/cudnn.h /usr/local/cuda/include # 复制头文件
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64 # 复制动态链接库
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*
# 3、生成软连接(相当于快捷方式),视情况而定
sudo ln -sf /usr/local/lib/libcudnn.so.5.1.5 /usr/local/lib/libcudnn.so.5 # 生成软连接
sudo ln -sf /usr/local/lib/libcudnn.so.5 /usr/local/lib/libcudnn.so # 生成软连接
sudo ldconfig # 使配置立即生效
# 4、卸载只需直接删除相应的文件即可
sudo rm -rf /usr/local/cuda/include/cudnn.h
sudo rm -rf /usr/local/cuda/lib64/libcudnn*
三、参考资料
1、https://www.tensorflow.org/install/
2、https://www.tensorflow.org/install/install_windows#installing_with_anaconda
3、https://www.tensorflow.org/install/install_linux#installing_with_anaconda