安装tensorflow有两种方法:第一种是直接在命令行里下载,这种方法在tf的官方安装指南上有。但是对于你国的超大局域网来说,实现起来相当的慢….第二种方法就是先下载好tensorflow的镜像,然后再用pip直接安装。
具体说一下第二种方法:
1.下载tensorflow镜像
下载对应版本的tensorflow镜像,我电脑是用的ubuntu,Python3.6
tensorflow-1.4.0-cp35-cp35m-manylinux1_x86_64.whl
下载网址为https://pypi.org/project/tensorflow/1.4.0/#files
2.安装tensorflow
先创建conda环境
conda create -n tensorflow python=3.6
建议在最后标明Python版本号,虽然我记得曾经装tensorflow没有标注版本号也能成功。
然后进入conda环境并安装tensorflow
source activate tensorflow若不能激活,则可能是没有载入anaconda3的安装路径,需要执行$ export PATH=/home/zhaoliang/software/anaconda3/bin:$PATH
cd ~/download #我是将下载好的东西放在了download文件夹里
pip install --ignore-installed --upgradetensorflow-1.4.0-cp35-cp35m-manylinux1_x86_64.whl
3.测试是否安装成功
import tensorflow as tf
个人认为只需要上面一条就可以判断了。若安装成功,则不会报错。
4.接下来测试tensorflow有没有安装成功,方法如下:
zhaoliang@zlvm:~$ source activatetensorflow
(tensorflow) zhaoliang@zlvm:~/download$import tensorflow as tf
(tensorflow) zhaoliang@zlvm:~/download$ dir
tensorflow-1.4.0-cp35-cp35m-manylinux1_x86_64.whl tf
(tensorflow) zhaoliang@zlvm:~/download$python3
Python 3.5.5 |Anaconda, Inc.| (default, Mar12 2018, 23:12:44)
[GCC 7.2.0] on linux
Type "help","copyright", "credits" or "license" for moreinformation.
>>> import tensorflow as tf
>>> hello=tf.constant('hello')
>>> sess=tf.Session()
2018-04-19 14:29:55.703504: Itensorflow/core/platform/cpu_feature_guard.cc:137] Your CPU supportsinstructions that this TensorFlow binary was not compiled to use: SSE4.1 SSE4.2AVX AVX2 FMA
>>> a=tf.constant(111)
>>> b=tf.constant(222)
>>> print(sess.run(a+b))
333
5.出现了编译错误our CPU supports instructions that this TensorFlow binary was notcompiled to use: SSE4.1 SSE4.2 AVX AVX2 FMA,解决办法为:重新安装了一遍与python3,ubuntu16.04对应的tensorflow,因为上面安装的的是manyliun通用版,可能对有点cpu的编译不支持。
(tensorflow) zhaoliang@zlvm:~/download$ pipinstall --ignore-installed --upgradehttps://github.com/lakshayg/tensorflow-build/raw/master/tensorflow-1.4.0-cp35-cp35m-linux_x86_64.whl (https为具体的下载地址)
编译出错的问题得到解决,至此tensorflow安装完成。
测试程序:
>>> import tensorflow as tf
>>> hello=tf.constant('hello')
>>> sess=tf.Session()
>>> a=tf.constant(111)
>>> b=tf.constant(222)
>>> print(sess.run(a+b))
333