fedora 26中安装tensorboard-1.3.0，以及可视化工具tensorboard的使用

1. 说明

         本文说明了在Linux操作系统上，以Fedora系统为例，安装Tensorlow环境的步骤。

2017年9月，TensorFlow已经开放到1.3.0版本，支持多种操作系统。接下来我们就用1.3.0版本来介绍TensorFlow的环境准备过程。

2. 安装virtualenv

virtualenv是Python的沙箱工具，用于创建独立的Python环境。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环境。

首先，在root用户下用pip安装virtualenv：

#pip install virtualenv –-upgrade

注：如果是非root用户，需要加参数--user。

安装好后创建一个工作目录，这里直接在home目录下创建了一个tensorflow文件夹：

#virtualenv --system-site-packages /home/tensorflow

然后进入该目录，激活沙箱：

#cd /home/tensorflow/

#source bin/activate

(tensorflow)#

最后，在virtualenv里安装TensorFlow:

(tensorflow)# pip --default-timeout=100 install -U tensorflow

默认安装所需要的依赖，直至安装完成。

3. 运行TensorFlow

测试一个简单的例子：

(tensorflow) # python

[GCC 7.1.120170622 (Red Hat 7.1.1-3)] on linux2

Type "help","copyright", "credits" or "license" formore information.

>>>importtensorflow as tf

>>>hello = tf.constant('Hello,TensorFlow!')

>>>sess = tf.Session()

2017-09-1914:43:17.486410: W tensorflow/core/platform/cpu_feature_guard.cc:45]The TensorFlow library wasn't compiled to use SSE4.1 instructions,but these are available on your machine and could speed up CPUcomputations.

2017-09-1914:43:17.486458: W tensorflow/core/platform/cpu_feature_guard.cc:45]The TensorFlow library wasn't compiled to use SSE4.2 instructions,but these are available on your machine and could speed up CPUcomputations.

2017-09-1914:43:17.486473: W tensorflow/core/platform/cpu_feature_guard.cc:45]The TensorFlow library wasn't compiled to use AVX instructions, butthese are available on your machine and could speed up CPUcomputations.

>>>print sess.run(hello)

Hello,TensorFlow!

>>>

TensorFlow环境已经安装成功了。

注：每次运行TensorFlow程序时，都需要进入tensorflow目录，然后执行source/bin/activate命令来激活沙箱。

     4.TensorBoard

        TensorBoard是TensorFlow自带的一个强大的可视化工具，也是一个Web应用程序套件。接下来通过一个示例来查看。

首先，在GitHub代码仓库中将1.3.0版本的TensorFlow源代码下载下来。

下载地址：https://github.com/tensorflow/tensorflow/tree/v1.3.0

在Tags中选择1.3.0（最新版本）将跳转到1.3.0版本的代码仓库，下载解压之后即获得源代码。

        这里，我们运行手写数字识别的入门例子。如下：

      (tensorflow)#pythontensorflow-1.3.0/tensorflow/examples/tutorials/mnist/mnist_with_summaries.py

        等程序跑完后，用以下命令打开TensorBoard面板：

     (tensorflow)#tensorboard –logdir=/tmp/tensorflow/mnist/logs/mnist_with_summaries

     TensorBoard0.1.6 at http://localhost:6006 (Press CTRL+C to quit)

     然后我们就可以在浏览器中打开http://localhost:6006，就可以看到TensorBoard面板了。