基于Ubuntu + anaconda + tensorflow+jupyter的python深度学习开发环境配置

参考    基于Ubuntu + anaconda + tensorflow+jupyter的python深度学习开发环境配置 - 云+社区 - 腾讯云

1.激活Anaconda环境

下载anaconda并拷贝到安装目录中并解压，下载地址为：

https://repo.anaconda.com/archive/Anaconda2-5.3.0-Linux-x86_64.sh

跳转到anaconda的bin目录，激活命令为

/bin/bash

source ./bin/active

之后就进入了anaconda环境，如下图所示：

2.在anaconda环境下配置tensorflow

第一步、创建tensorflow虚拟环境：

首先在anaconda中创建tensorflow虚拟环境

输入命令：

conda create -n tensorflow python=2.7

如下图所示：

之后会遇到两次选择，选择y就可以。

进入创建的tensorflow虚拟环境：

输入命令：

source active tensorflow

进入tensorflow环境(注意此时还没有安装tensorflow开发包，不能在此环境下进行tensorflow深度学习开发)，如下图所示

第二步、安装tensorflow：

输入命令

conda install tensorflow

安心等待下载安装完成即可，遇到([y]/n)全部选择y，如下图所示：

第三步、测试是否配置成功：

输入命令

python

进入命令行状态下的python环境，依次输入代码：

import tensorflow as tf

hello = tf.constant('Hello,Tensorflow')

sess = tf.Session()

sess.run(hello)

如下图所示

查看tensorflow版本和安装路径可依次输入一下命令

tf.__version__

tf.__path__

如下图所示

 

3.启动jupyter

进入anaconda环境，并进入tensorflow环境，此时就可以进行在jupyter下调用tensorflow的API进行深度学习开发。

输入的命令行如下：

/bin/bash

source ./bin/activate

source activate tensorflow

jupyter notebook

如下图所示

在浏览器中启动jupyter如下图所示

注：以后若要使用pytorch、caffee环境，方法类似，这篇是CPU版本、python2.7版的配置，GPU版本、Python3、Tensorboard的由于博主的项目暂时用不到，此篇没提到，后续会更新。