- 确定哪个TensorFlow要安装
- 确定如何安装TensorFlow
- 使用virtualenv进行安装
- 用native pip安装
- 使用Docker进行安装
- 使用Anaconda进行安装
- 验证您的安装
- 常见的安装问题
- TensorFlow Python包的URL
- Protobuf pip软件包3.1
原文链接 : https://www.tensorflow.org/install/install_linux
译文链接 : http://www.apache.wiki/pages/viewpage.action?pageId=10029592
本指南介绍如何在Ubuntu上安装TensorFlow。这些说明也可能适用于其他Linux版本,但是我们仅在Ubuntu 14.04或更高版本上测试(并且我们只支持)这些说明。
确定哪个TensorFlow要安装
您必须选择以下类型的TensorFlow之一来安装:
- TensorFlow仅支持CPU支持。如果您的系统没有NVIDIA®GPU,则必须安装此版本。请注意,此版本的TensorFlow通常会更容易安装(通常在5或10分钟内),因此即使您有NVIDIA GPU,我们建议先安装此版本。
- TensorFlow支持GPU。TensorFlow程序通常在GPU上比在CPU上运行得更快。因此,如果您的系统具有满足以下所示先决条件的NVIDIA®GPU,并且您需要运行性能关键型应用程序,则应最终安装此版本。
NVIDIA要求运行TensorFlow支持GPU
如果您使用本指南介绍的机制之一来安装具有GPU支持的TensorFlow,则系统上必须安装以下NVIDIA软件:
- CUDA®Toolkit 8.0。有关详细信息,请参阅 NVIDIA的文档。确保您将相关的Cuda路径名附加到
LD_LIBRARY_PATH
环境变量中,如NVIDIA文档中所述。 - 与CUDA Toolkit 8.0相关的NVIDIA驱动程序。
- cuDNN v5.1。有关详细信息,请参阅 NVIDIA的文档。确保
CUDA_HOME
按照NVIDIA文档中的描述创建环境变量。 - 具有CUDA Compute Capability 3.0或更高版本的GPU卡。有关支持的GPU卡的列表,请参阅 NVIDIA文档。
-
libcupti-dev库,即NVIDIA CUDA Profile Tools界面。此库提供高级分析支持。要安装此库,请发出以下命令:
$ sudo apt
-
get install libcupti
-
dev
如果您有较早版本的上述软件包,请升级到指定的版本。如果无法升级,那么您仍然可以运行支持GPU的TensorFlow,但只有在执行以下操作时:
- 从源中安装TensorFlow,请参阅从Sources安装TensorFlow 。
- 至少安装或升级到以下NVIDIA版本:
- CUDA工具包7.0或更高版本
- cuDNN v3以上
- 具有CUDA Compute Capability 3.0或更高版本的GPU卡。
确定如何安装TensorFlow
您必须选择安装TensorFlow的机制。支持的选择如下:
我们建议使用virtualenv安装。 Virtualenv 是与其他Python开发隔离的虚拟Python环境,不能在同一台机器上干扰或受到其他Python程序的影响。在virtualenv安装过程中,您将不仅安装TensorFlow,还可以安装TensorFlow所需的所有软件包。(这实际上很简单。)要开始使用TensorFlow,只需要“激活”虚拟环境。总而言之,virtualenv为安装和运行TensorFlow提供了一个安全可靠的机制。
本地点在您的系统上直接安装TensorFlow,而不需要经过任何容器系统。我们建议系统管理员使用本地点安装,旨在使TensorFlow适用于多用户系统上的所有人。由于本机点安装不会在单独的容器中关闭,所以pip安装可能会干扰系统上其他基于Python的安装。但是,如果您了解pip和Python环境,则本机点安装通常只需要一个命令。
Docker将TensorFlow安装与机器上预先存在的包完全隔离。Docker容器包含TensorFlow及其所有依赖项。请注意,Docker图像可能相当大(数百MB)。如果您将TensorFlow集成到已经使用Docker的较大应用程序架构中,则可以选择Docker安装。
在Anaconda中,您可以使用conda创建虚拟环境。但是,在Anaconda内,我们建议使用pip install
命令安装TensorFlow ,而不是使用该conda install
命令。
注意: conda包是社区支持的,没有正式支持。也就是说,TensorFlow团队既不测试也不维护公寓套餐。使用该包,您自己承担风险。
使用virtualenv进行安装
采取以下步骤安装TensFlow与Virtualenv:
-
通过发出以下命令安装pip和virtualenv:
$ sudo apt
-
get install python
-
py python
-
dev python
-
virtualenv
-
通过发出以下命令创建一个virtualenv环境:
$ virtualenv
-
-
system
-
site
-
packages targetDirectory
在
targetDirectory
指定的virtualenv树的顶端。我们的说明假设targetDirectory
是~/tensorflow
,但您可以选择任何目录。 -
通过发出以下命令之一激活virtualenv环境:
$ source〜
/
tensorflow
/
bin
/
activate#bash,sh,ksh或zsh
$ source〜
/
tensorflow
/
bin
/
activate.csh #csh或tcsh
前面的source命令应该将您的提示更改为以下内容:
(tensorflow)$
-
发出以下命令之一在活动的virtualenv环境中安装TensorFlow:
(tensorflow)$ pip install
-
-
upgrade tensorflow #
for
Python
2.7
(tensorflow)$ pip3 install
-
-
upgrade tensorflow #
for
Python
3.n
(tensorflow)$ pip install
-
-
upgrade tensorflow
-
gpu #用于Python
2.7
和GPU
(tensorflow)$ pip3 install
-
-
upgrade tensorflow
-
gpu #
for
Python
3.n
和GPU
如果上述命令成功,请跳过步骤5.如果上述命令失败,请执行步骤5。
-
(可选)如果步骤4失败(通常是因为您调用了低于8.1的pip版本),请通过发出以下格式的命令在活动的virtualenv环境中安装TensorFlow:
(tensorflow)$ pip install
-
-
upgrade TF_PYTHON_URL #Python
2.7
(tensorflow)$ pip3 install
-
-
upgrade TF_PYTHON_URL #Python
3.N
其中
TF_PYTHON_URL
标识TensorFlow Python包的URL。适当的值TF_PYTHON_URL
取决于操作系统,Python版本和GPU支持。在这里找到TF_PYTHON_URL
适合您的系统的 值 。例如,如果要安装TensorFlow for Linux,Python 2.7和仅支持CPU,请在活动的virtualenv环境中执行以下命令来安装TensorFlow:(tensorflow)$ pip3 install
-
-
upgrade \
https:
/
/
storage.googleapis.com
/
tensorflow
/
linux
/
cpu
/
tensorflow
-
1.1
.
0
-
cp34
-
cp34m
-
linux_x86_64.whl
如果遇到安装问题,请参阅 常见安装问题。
下一步
安装TensorFlow后, 验证安装。
请注意,每次使用TensorFlow时,必须激活virtualenv环境。如果virtualenv环境当前未处于活动状态,请调用以下命令之一:
|
当virtualenv环境处于活动状态时,您可以从此shell运行TensorFlow程序。您的提示将变为以下内容,表示您的张量流环境处于活动状态:
|
使用TensorFlow完成后,您可以通过调用以下deactivate
功能来停用环境:
|
提示将恢复为默认提示符(由PS1
环境变量定义 )。
卸载TensorFlow
要卸载TensorFlow,只需删除您创建的树。例如:
|
用native pip安装
您可以通过pip安装TensorFlow,在简单的安装过程或更复杂的安装过程之间进行选择。
注意: setup.py的 REQUIRED_PACKAGES部分 列出了pip将安装或升级的TensorFlow软件包。
先决条件:Python和Pip
Python自动安装在Ubuntu上。花一点时间确认(通过发出python -V
命令)系统中已经安装了以下Python版本之一:
- Python 2.7
- Python 3.3+
pip或pip3包管理器通常安装在Ubuntu上。花一点时间确认(通过发出pip -V
或pip3 -V
命令)安装pip或pip3。我们强烈建议使用8.1或更高版本的pip或pip3。如果未安装版本8.1或更高版本,请发出以下命令,该命令将安装或升级到最新的pip版本:
|
安装TensorFlow
假设在Linux主机上安装了必备软件,请执行以下步骤:
-
通过调用以下命令之一安装TensorFlow :
$ pip install tensorflow #Python
2.7
; CPU支持(无GPU支持)
$ pip3 install tensorflow #Python
3.n
; CPU支持(无GPU支持)
$ pip install tensorflow
-
gpu #Python
2.7
; GPU支持
$ pip3 install tensorflow
-
gpu #Python
3.n
; GPU支持
如果上述命令运行完毕,则应该 验证安装。
-
(可选)如果步骤1失败,请通过发出以下格式的命令安装最新版本的TensorFlow:
$ sudo pip install
-
-
upgrade TF_PYTHON_URL #Python
2.7
$ sudo pip3 install
-
-
upgrade TF_PYTHON_URL #Python
3.N
其中
TF_PYTHON_URL
标识TensorFlow Python包的URL。适当的值TF_PYTHON_URL
取决于操作系统,Python版本和GPU支持。在这里找到TF_PYTHON_URL
适合您的系统的 值 。例如,如果要安装TensorFlow for Linux,Python版本3.4和仅支持CPU,请发出以下命令:$ sudo pip3 install
-
-
upgrade \
https:
/
/
storage.googleapis.com
/
tensorflow
/
linux
/
cpu
/
tensorflow
-
1.1
.
0
-
cp34
-
cp34m
-
linux_x86_64.whl
如果此步骤失败,请参阅 常见安装问题。
下一步
安装TensorFlow后,验证您的安装。
卸载TensorFlow
要卸载TensorFlow,请发出以下命令之一:
|
使用Docker进行安装
采取以下步骤通过Docker安装TensorFlow:
- 作为描述你的机器上安装Docker Docker文档。
- (可选)创建一个名为允许启动没有sudo的容器的Linux组,如Docker文档中所述。(如果您不执行此步骤,则每次调用Docker时都必须使用sudo。)
- 要安装支持GPU的TensorFlow版本,您必须先安装存储在github中的nvidia- docker 。
- 启动包含TensorFlow二进制映像之一的Docker容器 。
本节的其余部分将介绍如何启动Docker容器。
仅CPU
要启动具有仅支持CPU(仅支持GPU)的Docker容器,请输入以下格式的命令:
|
哪里:
- -p hostPort:containerPort是可选的。如果您计划从shell运行TensorFlow程序,请忽略此选项。如果您计划运行TensorFlow程序作为Jupyter笔记本,请将 hostPort和 containerPort设置 为 8888。如果要在容器内运行TensorBoard,请添加第二个
-p
标志,将 hostPort和 containerPort设置 为6006。 -
需要 TensorFlowCPUImage。它标识了Docker容器。指定以下值之一:
- gcr.io/tensorflow/tensorflow,它是TensorFlow CPU二进制映像。
- gcr.io/tensorflow/tensorflow:latest-devel,这是最新的TensorFlow CPU二进制图像加源代码。
- gcr.io/tensorflow/tensorflow:版本,这是TensorFlow CPU二进制图象的指定的版本(例如,1.0.1)。
- gcr.io/tensorflow/tensorflow:版本 -devel,这是TensorFlow GPU二进制图象加源代码的指定的版本(例如,1.0.1)。
例如,以下命令在Docker容器中启动最新的TensorFlow CPU二进制映像,您可以在其中运行Shell中的TensorFlow程序:
|
以下命令还在Docker容器中启动最新的TensorFlow CPU二进制映像。但是,在这个Docker容器中,您可以在Jupyter笔记本中运行TensorFlow程序:
|
Docker将首次下载TensorFlow二进制图像。
GPU支持
在安装具有GPU支持的TensorFlow之前,请确保您的系统满足所有 NVIDIA软件要求。要启动支持NVidia GPU的Docker容器,请输入以下格式的命令:
$ nvidia- docker 运行-it -p hostPort:containerPort TensorFlowGPUImage
哪里:
- -p hostPort:containerPort是可选的。如果您计划从shell运行TensorFlow程序,请忽略此选项。如果您打算运行TensorFlow方案,作为Jupyter笔记本电脑,同时设置 HOSTPORT和
containerPort
到8888
。 - TensorFlowGPUImage指定Docker容器。您必须指定以下值之一:
- gcr.io/tensorflow/tensorflow:latest-gpu,这是最新的TensorFlow GPU二进制图像。
- gcr.io/tensorflow/tensorflow:latest-devel-gpu,这是最新的TensorFlow GPU二进制图像加源代码。
- gcr.io/tensorflow/tensorflow:版本 -gpu,这是TensorFlow GPU二进制图象的指定的版本(例如,0.12.1)。
- gcr.io/tensorflow/tensorflow:版本 -devel-GPU,这是TensorFlow GPU二进制图象加源代码的指定版本(例如,0.12.1)。
我们建议安装其中一个latest
版本。例如,以下命令在Docker容器中启动最新的TensorFlow GPU二进制映像,您可以在其中运行Shell中的TensorFlow程序:
|
以下命令还在Docker容器中启动最新的TensorFlow GPU二进制映像。在Docker容器中,您可以在Jupyter笔记本中运行TensorFlow程序:
|
以下命令安装较旧的TensorFlow版本(0.12.1):
|
Docker将首次下载TensorFlow二进制图像。有关更多详细信息,请参阅 TensorFlow码头自述文件。
下一步
您现在应该 验证您的安装。
使用Anaconda进行安装
采取以下步骤在Anaconda环境中安装TensorFlow:
-
按照 Anaconda下载网站 上的说明下载并安装Anaconda。
-
创建一个名为tensorflow的conda环境,通过调用以下命令来运行Python版本:
$ conda create
-
n tensorflow
-
通过发出以下命令激活conda环境:
$ source activate tensorflow
(tensorflow)$#你的提示应该改变
-
发出以下格式的命令,以在您的公共环境中安装TensorFlow:
(tensorflow)$ pip install
-
-
ignore
-
installed
-
-
upgrade TF_PYTHON_URL
这里
TF_PYTHON_URL
是 在TensorFlow Python包的URL。例如,以下命令将安装仅适用于Python 3.4的仅限于CPU的TensorFlow版本:(tensorflow)$ pip install
-
-
ignore
-
installed
-
-
upgrade \
https:
/
/
storage.googleapis.com
/
tensorflow
/
linux
/
cpu
/
tensorflow
-
1.1
.
0
-
cp34
-
cp34m
-
linux_x86_64.whl
验证您的安装
要验证您的TensorFlow安装,请执行以下操作:
- 确保您的环境准备运行TensorFlow程序。
- 运行一个简短的TensorFlow程序。
准备你的环境
如果您安装在native pip,virtualenv或Anaconda上,请执行以下操作:
- 启动一个终端
- 如果您安装了virtualenv或Anaconda,请激活您的容器。
- 如果您安装了TensorFlow源代码,请导航到除 TensorFlow源代码之外的任何目录。
如果您通过Docker安装,请启动Docker容器,从中可以运行bash。例如:
|
运行一个简短的TensorFlow程序
从你的shell调用python如下:
|
在python交互式shell中输入以下短程序:
|
如果系统输出以下内容,则可以开始编写TensorFlow程序:
|
如果您是TensorFlow的新手,请参阅TensorFlow入门。
如果系统输出错误信息而不是问候,请参阅常见的安装问题。
常见的安装问题
我们依靠堆栈溢出来记录TensorFlow安装问题及其补救措施。下表包含一些常见安装问题的Stack Overflow答案的链接。如果您遇到下表中未列出的错误消息或其他安装问题,请在堆栈溢出中进行搜索。如果Stack Overflow没有显示错误消息,请在Stack Overflow上提出一个新问题,并指定tensorflow
标签。
堆栈溢出链接 | 错误信息 |
---|---|
36159194 | ImportError: libcudart.so.Version: cannot open shared object file: No such file or directory |
41991101 | ImportError: libcudnn.Version: cannot open shared object file: No such file or directory |
36371137and here | libprotobuf ERROR google/protobuf/src/google/protobuf/io/coded_stream.cc:207] A protocol message was rejected because it was too big (more than 67108864 bytes). To increase the limit (or to disable these warnings), see CodedInputStream::SetTotalBytesLimit() in google/protobuf/io/coded_stream.h. |
35252888 | Error importing tensorflow. Unless you are using bazel, you should not try to import tensorflow from its source directory; please exit the tensorflow source tree, and relaunch your python interpreter from there. |
33623453 | IOError: [Errno 2] No such file or directory: '/tmp/pip-o6Tpui-build/setup.py' |
42006320 | ImportError: Traceback (most recent call last): File ".../tensorflow/core/framework/graph_pb2.py", line 6, in from google.protobuf import descriptor as _descriptor ImportError: cannot import name 'descriptor' |
35190574 | SSLError: [SSL: CERTIFICATE_VERIFY_FAILED] certificate verify failed |
42009190 | Installing collected packages: setuptools, protobuf, wheel, numpy, tensorflow Found existing installation: setuptools 1.1.6 Uninstalling setuptools-1.1.6: Exception: ... [Errno 1] Operation not permitted: '/tmp/pip-a1DXRT-uninstall/.../lib/python/_markerlib' |
36933958 | ... Installing collected packages: setuptools, protobuf, wheel, numpy, tensorflow Found existing installation: setuptools 1.1.6 Uninstalling setuptools-1.1.6: Exception: ... [Errno 1] Operation not permitted: '/tmp/pip-a1DXRT-uninstall/System/Library/Frameworks/Python.framework/ Versions/2.7/Extras/lib/python/_markerlib' |
TensorFlow Python包的URL
一些安装机制需要TensorFlow Python包的URL。您指定的值取决于三个因素:
- 操作系统
- Python版本
- 仅CPU与GPU支持
本节介绍Linux安装的相关值。
Python 2.7
仅CPU:
|
GPU支持:
|
请注意,GPU支持需要NVIDIA要求中描述的NVIDIA硬件和软件 运行具有GPU支持的TensorFlow。
Python 3.4
仅CPU:
|
GPU支持:
|
请注意,GPU支持需要NVIDIA要求中描述的NVIDIA硬件和软件 运行具有GPU支持的TensorFlow。
Python 3.5
仅CPU:
|
GPU支持:
|
请注意,GPU支持需要NVIDIA要求中描述的NVIDIA硬件和软件 运行具有GPU支持的TensorFlow。
Python 3.6
仅CPU:
|
GPU支持:
|
请注意,GPU支持需要NVIDIA要求中描述的NVIDIA硬件和软件 运行具有GPU支持的TensorFlow。
Protobuf pip软件包3.1
您可以跳过此部分,除非您看到与protobuf pip软件包相关的问题。
注意:如果您的TensorFlow程序运行缓慢,您可能会遇到与protobuf pip软件包相关的问题。
TensorFlow pip软件包取决于protobuf pip软件包版本3.1。从PyPI下载的protobuf pip软件包(在调用 pip install protobuf时)是一个仅包含Python的库,其中包含可执行比C ++实现慢10倍 - 50倍的原始序列化/反序列化的Python 实现。Protobuf还支持包含基于快速C ++的原语解析的Python包的二进制扩展。此扩展在标准的仅Python专用pip包中不可用。我们为protobuf创建了一个包含二进制扩展名的自定义二进制pip包。要安装自定义二进制protobuf pip包,请调用以下命令之一:
-
对于Python 2.7:
$ pip install --upgrade \
https:
//storage.googleapis.com/tensorflow/linux/cpu/protobuf-3.1.0-cp27-none-linux_x86_64.whl
-
对于Python 3.5:
$ pip3 install --upgrade \
https:
//storage.googleapis.com/tensorflow/linux/cpu/protobuf-3.1.0-cp35-none-linux_x86_64.whl
安装此protobuf软件包将覆盖现有的protobuf软件包。请注意,binary pip软件包已经支持大于64MB的protobufs,应该修复以下错误:
|
赞成为第一个赞同者