2、Tensorflow环境搭建

安装

• 使用pip，通过打包好的安装包，安装仅支持CPU的Tensorflow

找到合适的安装包URL（export用于设置或显示环境变量）

export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.4.0-cp35-cp35m-linux_x86_64.whl

通过pip安装Tensorflow（安装指定环境变量中的的安装包，上述安装包URL不好链接）

sudo pip3 install --upgrade $TF_BINARY_URL

 

 

• 通过源代码编译成安装包的形式，安装支持CPU和GPU的Tensorflow（或者定制的Tensorflow）

Bazel（谷歌开源的自动化构建工具，在这用于编译源码为pip的安装包wheel）：https://github.com/bazelbuild/bazel/releases/0.19.1

 

Nvidia（英伟达）以下两个安装用于支持Tensorflow使用GPU

Cuda：https://developer.nvidia.com/cuda-toolkit

cnDNN：https://developer.nvidia.com/rdp/cudnn-download

 

 

测试案例

>>> import tensorflow as tf

>>> a = tf.constant([1.0,2.0], name="a")

>>> b = tf.constant([2.0,3.0], name="b")

>>> result = a+b

>>> sess = tf.Session()

2018-11-17 22:09:08.446349: I tensorflow/core/platform/cpu_feature_guard.cc: