TensorFlow可以使用docker。pip或源码安装,docker支持的操作系统最多,但是对GPU支持有限;在本地最方便安装的方式是使用pip;源码安装较为灵活但是比较繁琐。由于我用的是pip安装,所以简单介绍此种方式在Mac上的安装方法。
安装pip
$ sudo easy_install pip $ sudo easy_install --upgrade six
找到合适的安装包URL
支持不同系统和处理器的安装包如下:
# Mac OS X, CPU only, Python 2.7: $ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-1.0.0-py2-none-any.whl # Mac OS X, GPU enabled, Python 2.7: $ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/mac/gpu/tensorflow_gpu-1.0.0-py2-none-any.whl # Mac OS X, CPU only, Python 3.4 or 3.5: $ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-1.0.0-py3-none-any.whl # Mac OS X, GPU enabled, Python 3.4 or 3.5: $ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/mac/gpu/tensorflow_gpu-1.0.0-py3-none-any.whl
通过pip安装TensorFlow
# Python2环境: $ sudo pip install --upgrade $TF_BINARY_URL # Python3环境: $ sudo pip3 install --upgrade $TF_BINARY_URL
测试是否安装成功
进入python环境,如下代码测试:
>>> 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() >>> sess.run(result) array([ 3., 5.], dtype=float32)
最后一行即为正确输出结果。
如下图:
注:上图红框部分意思是说:你的机器上有这些指令集可以用,并且用了他们会加快你的 CPU 运行速度,但是你的 TensorFlow 在编译的时候并没有用到这些指令集。如果觉得不好的话,可以尝试用编译源码安装解决,但是由于不影响使用,暂时不做解决。