今天深度学习已经渗透到互联网技术和产品的方方面面,它从学术界的一个研究课题变成了被工业界最广泛应用的关键技术。对于每一个程序员,我认为都应该或多或少了解和掌握深度学习。对于初学者来说,从TensorFlow入手是很好的起点。TensorFlow有谷歌的强大支持,并且有广泛的社区。
今天将介绍,TensorFlow环境的准备,与安装其他软件(如Caffe)相比,TensorFlow极容易安装,环境部署极为轻松。
接下来我们先介绍下载TensorFlow代码仓库,然后介绍基于pip的安装方式、基于Java的安装方式以及使用Bazel的源代码编译安装方式。
1.1 下载TensorFlow 1.1.0
2017年5月,TensorFlow已经开放到1.1.0-rc2版本,支持多种操作系统。接下来我们就用 1.1.0 版本来介绍TensorFlow的环境准备过程。
我们从GitHub代码仓库中将1.1.0版本的TensorFlow源代码下载下来,在Tags中选择1.1.0版本将跳转到1.1.0版本的代码仓库[1],如图1-1所示。
![d3739d0013de051baaad7ce3c48441d1.png](https://img-blog.csdnimg.cn/img_convert/d3739d0013de051baaad7ce3c48441d1.png)
图1-1
根据图1-2下载解压之后即得到源代码,我们将其保存在本地目录tensorflow-1.1.0中。
![8ed1f7e45e170471964713a734d657c9.png](https://img-blog.csdnimg.cn/img_convert/8ed1f7e45e170471964713a734d657c9.png)
图1-2
1.2 基于pip的安装
pip是Python的包管理工具,主要用于PyPI[2](Python Packet Index)上的包。命令简洁方便,包种类丰富,社区完善,并且拥有轻松升级/降级包的能力。
1.2.1 Mac OS环境准备
Mac OS是本书所讲内容依赖的环境,机器配置如图1-3所示。
![c3926a731d385c8838c4fd7eee514c79.png](https://img-blog.csdnimg.cn/img_convert/c3926a731d385c8838c4fd7eee514c79.png)
图1-3
首先需要依赖Python环境,以及pip命令。这在Mac和Linux系统中一般都有。这里使用的Python版本是2.7.12。TensorFlow 1.1.0版本兼容Python 2和Python 3,读者可以用适合自己的Python环境。
1.安装virtualenv
virtualenv是Python的沙箱工具,用于创建独立的Python环境。我们毕竟是在自己机器上做实验,为了不来回修改各种环境变量,这里用virtualenv为TensorFlow创建一套“隔离”的Python运行环境。
首先,用pip安装virtualenv:
$ pip install virtualenv --upgrade
安装好后创建一个工作目录,这里直接在home下创建了一个tensorflow文件夹:
$ virtualenv --system-site-packages ~/tensorflow
然后进入该目录,激活沙箱:
$ cd ~/tensorflow$ source bin/activate (tensorflow) $
2.在virtualenv里安装TensorFlow
进入沙箱后,执行下面的命令来安装TensorFlow:
(tensorflow) $ pip install tensorflow==1.1.0
默认安装所需的依赖,直至安装成功。
3.运行TensorFlow
照着官方文档录入一个简单例子:
(tensorflow) $ pythonPython 2.7.12 (default, Oct 11 2016, 05:16:02)[GCC 4.2.1 Compatible Apple LLVM 7.0.2 (clang-700.1.81)] on darwinType "help