Windows系统环境
一、安装anaconda
这里安装的是Anaconda3-2019.03-Windows-x86_64.exe(python3.7版本)
二、检查安装环境
1、若anaconda安装时勾选了配置环境变量,直接cmd;若没有勾选,进入Anaconda Prompt窗口(推荐)
2、检测anaconda环境是否安装成功:
conda --version
3、检测目前安装了哪些环境:
conda info --envs
三、在anaconda中安装tensorflow
1、创建tensorflow环境,安装python3.7:
conda create --name tensorflow python=3.7
注:这里的tensorflow是自己定义的环境名,对应anaconda安装目录下envs文件夹下。
注:由于清华等单位anaconda镜像站未取得授权导致关闭,这里不更换anaconda仓库镜像,使用default即可。
注:如果由于网络不稳定造成下载中断,再次尝试即可。
2、检测tensorflow的环境添加到了Anaconda里面:
conda info --envs
3、激活tensorflow环境(重要,激活后再进行下一步):
conda activate tensorflow
注:这里命令与Linux不同。
注:这里环境名称tensorflow与第1步对应。
注:反激活用conda deactivate*
4、安装tensorflow:
pip install --upgrade --ignore-installed tensorflow
注:更改pip下载源可以提升下载速度。在C:\Users\用户名\pip文件夹下新建pip.ini文件:
[global]
index-url = https://mirrors.aliyun.com/pypi/simple/
[install]
trusted-host = mirrors.aliyun.com
四、验证是否正常安装
1、在tensorflow环境下输入:python
2、逐行输入:
import tensorflow as tf
hello = tf.constant('hello,tf')
sess = tf.Session()
print(sess.run(hello))
3、打印:b'hello,tf',即为正常安装。
Linux系统环境
一、查看Linux版本信息
[root@bigdata11 ~]# uname -a
Linux bigdata11 3.10.0-693.el7.x86_64 #1 SMP Tue Aug 22 21:09:27 UTC 2017 x86_64 x86_64 x86_64 GNU/Linux
根据Linux版本下载对应的Anaconda版本。
二、安装Anaconda
[root@bigdata11 tools]# bash Anaconda3-2019.03-Linux-x86_64.sh
Welcome to Anaconda3 2019.03
In order to continue the installation process, please review the license
agreement.
Please, press ENTER to continue
...
Do you accept the license terms? [yes|no](选择yes)
[no] >>> yes
Anaconda3 will now be installed into this location:
/root/anaconda3
- Press ENTER to confirm the location
- Press CTRL-C to abort the installation
- Or specify a different location below
[/root/anaconda3] >>> /root/training/anaconda3(安装路径)
PREFIX=/root/training/anaconda3
...(持续等待)
Do you wish the installer to initialize Anaconda3
by running conda init? [yes|no](选择yes)
[no] >>> yes
...
由于系统自带python2.7,大数据平台HDP下的spark需要python2环境,因此,不能将系统环境的python变为python3。更改~/.bashrc环境变量文件:
# .bashrc
# User specific aliases and functions
alias rm='rm -i'
alias cp='cp -i'
alias mv='mv -i'
# Source global definitions
if [ -f /etc/bashrc ]; then
. /etc/bashrc
fi
# >>> conda initialize >>>
# !! Contents within this block are managed by 'conda init' !!
#__conda_setup="$('/root/training/anaconda3/bin/conda' 'shell.bash' 'hook' 2> /dev/null)"
#if [ $? -eq 0 ]; then
# eval "$__conda_setup"
#else
# if [ -f "/root/training/anaconda3/etc/profile.d/conda.sh" ]; then
# . "/root/training/anaconda3/etc/profile.d/conda.sh"
# else
# export PATH="/root/training/anaconda3/bin:$PATH"
# fi
#fi
#unset __conda_setup
# <<< conda initialize <<<(将conda initialize部分全部注释,加上下面一句)
export PATH="/usr/bin/:$PATH:/root/training/anaconda3/bin:/root/training/anaconda3/condabin"
这样在系统环境下既可以使用conda命令,又不改变原始python环境。
[root@bigdata11 ~]# python --version
Python 2.7.5
建议:如果在虚拟机上实验,这个时候可以利用虚拟机的“快照”进行保存当前状态。
conda和anaconda的关系:
这里先解释下conda、anaconda这些概念的差别。conda可以理解为一个工具,也是一个可执行命令,其核心功能是包管理与环境管理。包管理与pip的使用类似,环境管理则允许用户方便地安装不同版本的python并可以快速切换。Anaconda则是一个打包的集合,里面预装好了conda、某个版本的python、众多packages、科学计算工具等等,所以也称为Python的一种发行版。其实还有Miniconda,顾名思义,它只包含最基本的内容——python与conda,以及相关的必须依赖项,对于空间要求严格的用户,Miniconda是一种选择。
Anaconda的常用命令有:
$ # 创建一个名为tensotflow的环境,指定Python版本是3.7(不用管是3.7.x,conda会为我们自动寻找3.7.x中的最新版本)
$ conda create --name tensotflow python=3.7 # 这里的--name可以简化为-n
$ source activate tensotflow # 安装好后,使用activate激活某个环境
$ # 激活后,会发现terminal输入的地方多了tensotflow 的字样
$ # 此时,可以安装和操作一些包
$ source deactivate tensotflow # 如果想返回普通环境,运行
$ conda remove --name tensotflow --all # 删除一个已有的环境
$ # conda的包管理类似pip
$ conda install scipy # conda安装scipy
$ conda list # 查看已经安装的packages
$ conda list -n tensotflow # 查看某个指定环境的已安装包
$ conda search numpy # 查找package信息
$ conda install -n tensotflow numpy # 安装某个指定环境的package
$ # 如果不用-n指定环境名称,则被安装在当前活跃环境,也可以通过-c指定通过某个channel安装
$ conda update -n tensotflow numpy # 更新package
$ conda remove -n tensotflow numpy # 删除package
三、安装TensorFlow
首先创建tensorflow环境
# conda create --name tensorflow python=3.7
注:这里tensorflow是给该环境取的名字,可以任意。
此时anaconda会检查并提示你需要在虚拟环境安装一些包,输入y确认即可。
激活tensorflow环境
source activate tensorflow
安装tensorflow
conda install tensorflow -n tensorflow
注:可能是系统环境的问题,使用pip安装后校验失败。
安装时间较长,耐心等待。
校验
在tensorflow环境下输入:python
import tensorflow as tf hello = tf.constant('hello,tf') sess = tf.Session() print(sess.run(hello))
打印:b'hello,tf',即为正常安装。