1. 基本环境搭建
首先,你需要一个python,官方下载地址在这里,目前的最新版本是3.7.2(注意要勾选将python添加到PATH中)
然后检查一下你的python和pip(python官方的包管理工具)是否已经成功的被添加到系统环境变量中(如果你在使用官方下载的2.7.9版本及以后的python2或者3.4及以后版本的python3,那么pip应该已经被正确添加到你的python组件中了。)
python --version
pip --version
这两个命令分别应该被用来检测你的python和pip是否已经被正确安装。
若未安装pip,则从这里安装
一个可选的组件,是虚拟环境组件virtualenv,它用来创建若干个独立于系统的虚拟沙盒,可以运行不同版本的tensorflow而不会影响系统环境
python
pip install -U pip virtualenv
最后使用命令检查该组件是否已被正确安装
virtualenv --version
2.虚拟环境搭建*
我们推荐使用虚拟环境来运行tensorflow以将其和主系统的设置隔离开来,以便实现不同版本的控制
使用以下命令来在所选目录下创建python虚拟环境:
virtualenv --system-site-packages -p python ./venv
使用以下命令来进入虚拟环境(需位于虚拟环境所在目录中):
.\venv\Scripts\activate
此时在目录前会显示(venv)来表明目前运行在python虚拟环境中
接下来可以在不影响系统设置情况下,先升级pip:
pip install --upgrade pip
pip list # 这是用来显示目前已安装的包的版本的命令
此处我的虚拟环境已经安装了tensorflow并且升级了pip。在新的虚拟环境中只需要看到pip是已经更新完毕的版本即可
当我们结束使用python虚拟环境(例如用完了tensorflow)可以使用如下命令退出虚拟环境:
deactivate # 用完tensorflow之前请不要使用这一命令
3. 安装TensorFlow pip 软件包
1. virtualenv下
在完成了基本环境的搭建后,可以开始下载tensorflow库(请在虚拟环境根目录下安装)
目前有四种不同的tensorflow版本可供选择:
版本 | 安装命令 |
---|---|
tensorflow - 仅支持 CPU 的当前版本(建议新手使用) | pip install --upgrade tensorflow |
tensorflow-gpu - 支持 GPU 的当前版本(Ubuntu 和 Windows) | pip install --upgrade tensorflow-gpu |
tf-nightly - 仅支持 CPU 的每夜版(不稳定) | pip install --upgrade tensorflow --tf-nightly |
tf-nightly-gpu - 支持 GPU 的每夜版(不稳定,Ubuntu 和 Windows) | pip install --upgrade tensorflow --tf-nightly-gpu |
2. 普通系统下
以仅CPU稳定版tensorflow为例:
pip install --user --upgrade tensorflow
注意:
这里的命令是从官方库中直接下载,速度较慢容易报错。
建议从国内镜像源下载,如阿里的镜像站
以阿里镜像站,仅CPU稳定版tensorflow为例:
pip install --index-url https://mirrors.aliyun.com/pypi/simple/ tensorflow
安装结束后,使用如下命令来检测tensorflow
python
import tensorflow as tf
tf.enable_eager_execution()
print(tf.reduce_sum(tf.random_normal([1000, 1000])))