2019-11-19 tensorflow安装方法 120956

tensorflow安装方法

tensorflow分为CPU和GPU两个版本，各有优缺点

CPU版本：优点是便于安装，适合初学者;缺点是不支持gpu运算。应用场景一般用于简单的深度学习实验

GPU版本：优点是功能强大，包含有CPU版本;缺点是安装复杂，需要CUDA和CUDnn的支持，且需要版本对应。

为了方便我们首先切换到root用户

su root #切换到root用户

前提：

安装python

pip install python3 #安装python3版本
pip install python #安装python版本

cpu版

方法1：

使用pycharm，pycharm可以说是最出色易用的一个python的IDE环境，他集成了python库图形化安装，git，远程连接服务器调试python代码等一系列强大功能。

1.下载pycharm

地址：https://www.jetbrains.com/pycharm/

2.下载后解压（此步略过）

3.打开pycharm打开办法
打开pycharm文件夹->打开bin文件夹->运行pycharm.sh文件

4.打开pycharm后
点击file选项卡（第一个）->选择setting
打开后找到下面这个选项卡

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-l2Cnf4hW-1574158925036)(/home/tina/.config/Typora/typora-user-images/image-20191119102036071.png)]

点击右上角的六角星按钮，点击‘add’创建python解释器
可用的python解释器包括：
1.虚拟环境：十分常用的python环境，继承自本机自带的python环境，各个虚拟环境之间相互独立互不干扰，可以自己管理自己环境中的包
2.conda环境：使用anaconda的conda环境，anaconda对于安装gpu版的tensorflow较为友好
3.系统环境：系统本身的python环境
4.SSH环境：远程的python环境，用于远程连接服务器进行调试
我们这里使用第一种最常用的虚拟环境

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-HLMJYRxb-1574158925038)(/home/tina/.config/Typora/typora-user-images/image-20191119102628968.png)]

创建环境成功后，就回到上一个界面，这时候一个python环境就安装好了，下面开始安装tensorflow，直接点击右边的加号，会出现一个搜索的对话框，从对话框里面直接搜索即可安装想要的python包。
如果出现下载python库较慢的操作，可以采用换源操作，添加国内的源
添加方法是：
点击下面的Manage Repositories,然后进行添加即可
常用的pip源：
清华: https://pypi.tuna.tsinghua.edu.cn/simple
豆瓣: http://pypi.douban.com/simple/
阿里: http://mirrors.aliyun.com/pypi/simple/

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-0uM1zeTH-1574158925039)(/home/tina/.config/Typora/typora-user-images/image-20191119103728010.png)]

搜索tensorflow，进行安装即可
这里可以通过右下角的Specify version来选择具体的tensorflow版本，目前最新版本是2.0,tf2.0在运行方式上与tf1.x有很大的差别，更有利于初学者学习，但是对于使用过tf一段时间有一定基础的人来说可能不是很适应，所以这里推荐初学者安装tf2.0，有基础的安装tf1.x

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-sXkeYmSR-1574158925040)(/home/tina/.config/Typora/typora-user-images/image-20191119104624276.png)]

等待安装成功即可

方法2

直接在终端中使用pip进行安装（其实上面的方法也是这样，只是通过图形界面进行了集成）,但是这种安装办法不再时虚拟环境，是在本地的python环境进行安装，所以以后如果继承本地的python环境，则总会带有安装的这个包,当然在创建新环境的时候也可以不继承本地的python环境，这里不详细介绍。

pip install tensorflow 
pip3 install tensorflow

方法3

通过Anaconda安装

1 下载anaconda

先去官网 https://www.anaconda.com/distribution/#download-section 找到合适版本对应的下载网址，如
https://repo.anaconda.com/archive/Anaconda3-2018.12-Linux-x86_64.sh

2 安装anaconda

cd命令进入下载文件的所在目录，然后输入命令：

sudo bash Anaconda3-5.2.0-Linux-x86_64.sh

3.anaconda操作

Anaconda 是一种Python语言的免费增值开源发行版，用于进行大规模数据处理、预测分析，和科学计算，致力于简化包的管理和部署。Anaconda使用软件包管理系统Conda进行包管理。
可以使用conda install来安装，也可以在pycharm中加载conda环境进行安装，具体方法同方法1

GPU版

GPU版本相对于CPU版本来说更加麻烦，它要求python版本，tensorflow版本，CUDNN版本，CUDA版本都相互对应，如果一个个的安装将会十分麻烦。

但是我们刚才安装的Anaconda有一个很大的优点就是，它可以实现上面这些东西的自动安装，所以会节省很多的时间，而具体在安装时可以使用方法1，直接找tensorflow-gpu进行安装即可；也可以使用方法3，直接使用conda install tensorflow-gpu.

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-g5ZfUG7X-1574158925041)(/home/tina/.config/Typora/typora-user-images/image-20191119173552628.png)]

问题：

解答：
问题的原因在于其它的程序如系统的自动更新、新立得等正在使用apt-get进程，所以解决方法也就是将这一进程关闭
解决办法是关闭系统的自动更新。
关闭系统自动更新的方法是打开系统设置，找到软件与更新，找到更新选项卡，把三个打勾的地方取消打勾，reboot重启。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-gU2coRUw-1574158925043)(/home/tina/.config/Typora/typora-user-images/image-20191119160926839.png)]

环境变量配置
在安装好python，anaconda等之后，需要配置对应的环境变量，当系统中一个用户同时安装了python和anaconda时，如果在安装anaconda时没有配置环境变量，但是后来又配置了环境变量时，anaconda的python环境会覆盖原来的python环境，造成该用户的python无法使用。

解答：
删除anaconda的环境变量。然后重新添加环境变量，给本地环境的python和anaconda中的python使用不同的别名。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-WGEs8r16-1574158925044)(/home/tina/.config/Typora/typora-user-images/image-20191119165048577.png)]

在linux中，环境变量可简单分为三种：第一种，所有用户都具有的环境变量，即设置后，对所有用户都适用；第二种，每个用户所单独具有的环境变量；第三种，临时的环境变量

在 linux 里设置环境变量的三种实现方法

1.使用export命令,对应第三种环境变量
[root@liyao ~]# export PATH=$PATH:/usr/local/mysql/bin查看是否已经设置好，可以使用命令export命令来查看，也可以直接$#变量名#来查看
需要注意： 直接使用 export 设置的变量都是临时变量，也就是说退出当前的 shell ，为该变量定义的值便不会生效了。如何能让我们定义的变量永久生效呢？那就看我们的第二种定义的方式。
2.修改/etc/profile（或者/etc/environment)文件，对应第一种环境变量
3.修改~/.bashrc文件，对应第二种环境变量

在linux中删除环境变量的方法
主要可以适用上面的2,3，也分别对应上面不同的效果

3.
解答：
更改目录的所有者和权限
这里需要更改两处的用户权限

sudo chown 1000:1000 /home/tina/.conda
sudo chown -R tina /home/tina/anaconda3

4.当运行tensorflow程序时（尤其对于老电脑），经常会出现CUDA版本较低的问题

原因：报这个错误是安装的Cuda runtime version与计算机GPU的Cuda driver version不匹配所致，通常是因为我们的显卡驱动版本太低，因为在安装过程中我们用了以下最简单粗暴的方式（没有在后面指定版本号）：这样会默认安装最新的TensorFlow版本，以及相关的最新依赖包，而我们的显卡驱动却不是最新的

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-QPu3FHZw-1616573497130)(/home/tina/.config/Typora/typora-user-images/image-20191126100626863.png)]

所以要按照cuda和显卡驱动的对应关系，更新显卡驱动或者更新cuda版本，安装方式跟pycharm常规安装包的方式一样，也在包管理里面，找到cudatookit，选择合适版本进行安装。

小技巧

为pycharm创建图标的方法

1 终端直接运行 pycharm.sh
2.进入pycharm后点击"tools"
3.点击"Create Desktop Entry…" 再关闭pycharm
4.返回桌面,点击显示应用程序（桌面左下角），在全部程序中即可找到pycharm的启动方式，之后可以右键收藏到快捷启动栏