Mac 环境下安装 TensorFlow 使用Virtualenv 安装

上次我用Docker安装了TensorFlow ，由于环境在容器里，使用起来不太方便，这次我基本把官方文档里的安装方法试用了一个遍，pip安装里好多坑，最后安装完依然没法用，每次安装都要翻墙，网速慢，回头只好慢慢解决问题了。当换了一种方法，使用Virtualenv安装的时候终于完成了，并且使用起来也很方便，于是就把过程记录下来，推荐给看到文章的人，希望大家能够避开这些坑。

Virtualenv 是虚拟沙盒的意思，因为我们研究TensorFlow依赖Python的背后有着庞大的开源社区支持，但是有一个缺点就是每个包的质量都参差不齐，如果我们在工作服务器上去测试安装每个包，就会造成整个的服务器形成庞大复杂的第三方包依赖。

virtualenv就是为了解决这个问题而生，他可以在我们的目录上生成若干个独立的虚拟环境，这些虚拟环境和正式环境一样。

mac  安装TensorFlow 直接看英文文档，别的说的都不靠谱 参考链接： https://www.tensorflow.org/versions/r0.11/get_started/os_setup.html

安装过程很简单 BUT，下面需要下载的命令我都是翻墙才能下载下来的，不知道别人的网怎么样。

第一步安装virtualenv

$ sudo easy_install pip
$ sudo pip install --upgrade virtualenv

第二步创建一个沙盒目录

Create a Virtualenv environment in the directory ~/tensorflow:

$ virtualenv --system-site-packages ~/tensorflow

第三步c初始化环境变量

Activate the environment:

$ source ~/tensorflow/bin/activate  # If using bash

第四步 下载安装

看机器情况，如果是一般的mac book pro 什么的下载个CPU版本的得了，如果你用的是垃圾桶（mac pro）那土豪随便你啦！

另外，这个下载的版本是不停更新了，你看到的时候可能更新了，链接早不是这个了，所以自己去下面链接找去：

https://www.tensorflow.org/versions/r0.11/get_started/os_setup.html#virtualenv-installation

Now, install TensorFlow just as you would for a regular Pip installation. First select the correct binary to install:

# Mac OS X, CPU only, Python 2.7:
(tensorflow)$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-0.11.0rc0-py2-none-any.whl

# Mac OS X, GPU enabled, Python 2.7:
(tensorflow)$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/mac/gpu/tensorflow-0.11.0rc0-py2-none-any.whl

要注意你的python版本，不然装不上。

# Python 2
(tensorflow)$ pip install --upgrade $TF_BINARY_URL

# Python 3
(tensorflow)$ pip3 install --upgrade $TF_BINARY_URL

这样安装好了有提示

使用的时候

用的时候初始化环境用命令：
$ source ~/tensorflow/bin/activate  # If using bash.
$ source ~/tensorflow/bin/activate.csh  # If using csh.
(tensorflow)$  # Your prompt should change.
# Run Python programs that use TensorFlow.
...
不用的时候把环境还原用命令：
 # When you are done using TensorFlow, deactivate the environment.
(tensorflow)$ deactivate

吐槽一下我大天朝的防火墙，人工智能这么重要的技术还要翻墙研究，真是十分无奈，最好能搞个白名单，学术的东西你别屏蔽啊，要不然墙内的技术怎么进步？