1. 基于python
①官网下载好对应版本的python安装
②打开这个网站,复制其中的内容存成 get-pip.py
并存放到 Python的根目录下 如 G:\Program Files\Python35(刚才安装的Python目录)
打开cmd 切换到该目录 输入python get-pip.py
即可安装pip
补充:如果使用pip安装模块失败,可以到这个网站下载,然后安装
- 安装tensorflow
参考官网:
https://www.tensorflow.org/get_started/os_setup#pip_installation_on_windows
先下载 Visual C++ 2015 redistributable(X64 版本)并安装
cpu版本执行:
pip install --upgrade https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow-0.12.0-cp35-cp35m-win_amd64.whl
gpu版本执行:
pip install --upgrade https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-0.12.0-cp35-cp35m-win_amd64.whl
(GPU 版本)还需安装cuda,cuDNN,cpu忽略
参考:http://blog.csdn.net/sb19931201/article/details/53648615
下载对应的cuda https://developer.nvidia.com/cuda-toolkit-archive
下载对应的cuDNN https://developer.nvidia.com/rdp/cudnn-archive
注意:cuda与cuDNN版本对应起来安装 cuda
安装的默认路径 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0
将该路径下的bin和lib\x64的路径放入系统环境变量(path)里
即:将C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin 和
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64 放入系统环境变量中cuDNN 安装
将下载下来的cuDNN解压,里面只有以下文件
将bin、include、lib文件夹里的文件全部复制到cuda安装路径C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0 下对应的bin、include、lib文件夹里测试
已成功
安装完成
2、基于Anaconda安装
下载对应版本的Anaconda
可以使用Anaconda创建一个新的环境,在这个环境中进行安装
conda create -n tensorflow python=3.5.3
或
conda create -n tensorflow python=2.7
conda env list
查看所有环境
activate tensorflow
切换到刚才新建的环境 (Linux 使用 source activate tensorflow)
Anaconda更多使用参考:http://www.cnblogs.com/harvey888/p/5465452.html
附加:如过在Linux使用以下语句
`sudo printf '\nalias tensorflow="source activate tensorflow"' >> ~/.bashrc
bash
下次激活环境 直接输入 tensorflow 即可
安装步骤
3、基于Virtualenv环境
- 创建virtualenv环境
# python 2.7
sudo apt-get install python-pip python-dev python-virtualenv
# python 3
sudo apt-get install python3-pip python3-dev python3-virtualenv
- 创建一个包含该虚拟环境的目录
sudo mkdir ~/env
- 利用Virtualevn命令创建虚拟环境。 在本例中, 它位于~/env/tensorflow下。
# python2
virtualenv --system-site-packages -p python2 ~/env/tensorflow
# python3
virtualenv --system-site-packages -p python3 ~/env/tensorflow
- 利用source命令激活该虚拟环境
source ~/env/tensorflow/bin/activate
- deactivate命令将其关闭
deactivate
附加:类似的创建虚拟环境参考:http://blog.csdn.net/wc781708249/article/details/78499577
由于将频繁使用虚拟环境, 创建一个激活虚拟环境的快捷方式而非每次键入完整的source…命令便很有价值。 接下来的命令将向~/.bashrc文件添加一个bash别名, 使在需要启动虚拟环境时只需键入tensorflow:
sudo printf '\nalias tensorflow="source ~/env/tensorflow/bin/activate"' >> ~/.bashrc
要测试该快捷方式是否生效, 可重启bash终端, 并键入tensorflow:
tensorflow
安装tensorflow
# For CPU
pip3 install tensorflow
# For GPU
pip3 install tensorflow-gpu
4、基于Docker
略