淺入淺出TensorFlow 2 - 零基礎安裝

對一個框架的熟悉過程是從安裝開始，今天就帶大家熟悉這裡面的 第一道坎 - 安裝。

TensorFlow 安裝方式總結為：

一. Pip安裝步驟：

1）安裝 Pip

Pip是目前使用最多的Python包管理工具。通常Linux和Mac是自帶Python環境的（2.X版本，附帶pip），如果系統沒有安裝Python環境，或者你需要使用Python3，可以參考下面的安裝步驟：

不同的平台下的安裝方式有所區別，常用的平台安裝命令：

● Ubuntu 64-bit

$ sudo apt-get install python-pip python-dev # for python $ sudo apt-get install python3-pip python3-dev # for python3

有時會提醒pip升級，處理方法如下：

# You are using pip version 7.1.0, however version 9.0.1 is available. # You should consider upgrading via the pip install --upgrade pip command. $ sudo pip install --upgrade pip # for python $ sudo pip3 install --upgrade pip # for python3

● CentOS, Fedora, RHEL

# for python $ python --version # 自帶Python 2.6.6 和 pip $ sudo yum install python-pip python-devel # 命令安裝 # for python3 $ sudo yum install epel-release python34 # Python 3.4.5 $ wget --no-check-certificate https://bootstrap.pypa.io/get-pip.py $ sudo python3 get-pip.py # 未自帶pip3，從官網安裝

● MAC OS

mac 自帶 python2.7 和 pip，如果沒有的話，可以通過 下面的方式快速安裝：

$ sudo easy_install pip

需要安裝3.X版本的話，推薦用home-brew安裝：

$ /usr/bin/ruby -e "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/master/install)" # 1.可能需要修改許可權 $ sudo chown -R $(whoami) /usr/local/Cellar # 2.可能遇到下面錯誤，需要刪掉對應路徑，然後update # Error: Could not link: /usr/local/etc/bash_completion.d/brew $ rm -rf /usr/local/etc/bash_completion.d/brew $ brew update $ brew install python3 $ pip3 -V

● Window

a）下載Python安裝包 .exe（3.5.3版本）

地址： https://www.python.org/downloads/windows/

Download Windows x86-64 executable installer

b）雙擊自定義安裝 需要修改默認安裝位置，配置環境變數 - 選擇 "Add Python 3.5 to PATH" 選項。

c）高級選項，選擇安裝位置，勾選 install for all users

註：windows下也可以考慮 採用 Anaconda 安裝，點擊查看 安裝方法。

2）安裝 CUDA

在Ubuntu下安裝 CUDA 和 cudnn過程（其他版本類似）：

a）安裝 NVIDIA驅動

官網下載地址：http://www.nvidia.com/Download/index.aspx?lang=en-us

執行命令安裝：

sudo add-apt-repository ppa:graphics-drivers/ppa sudo apt-get update sudo apt-get install nvidia-375 sudo apt-get install mesa-common-dev sudo apt-get install freeglut3-dev

查詢安裝結果：

sudo reboot # 重啟 nvidia-smi

b）安裝 CUDA

官網下載地址：https://developer.nvidia.com/cuda-downloads

執行下載的 CUDA安裝包（.Run文件）進行安裝：

sudo sh cuda_8.0.61_375.26_linux.run

按空格 讀完聲明文件，Accept 接受安裝，除了 驅動（已裝完）選 no 之外，其他均選擇默認。

c）添加 CUDA 系統路徑

添加環境變數，可以加到 profile里，也可以加到 bashrc，在最後加入：

修改 profile 文件，在末尾處添加（不要有空格)

sudo gedit /etc/profile #or gedit ~/.bashrc export PATH=/usr/local/cuda-8.0/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64$LD_LIBRARY_PATH source /etc/profile # save config(or sudo ldconfig)

通過命令查看CUDA安裝是否成功？

cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery sudo make ./deviceQuery

d）安裝 cudnn

官網下載地址：https://developer.nvidia.com/cudnn

解壓， Copy到對應 CUDA 目錄，並建立軟鏈接。

# 複製頭文件和lib文件 sudo cp include/cudnn.h /usr/local/cuda/include/ sudo cp lib64/lib* /usr/local/cuda/lib64/ # 鏈接動態庫 cd /usr/local/cuda/lib64/ sudo rm -rf libcudnn.so libcudnn.so.5 sudo ln -s libcudnn.so.5.x.x libcudnn.so.5 sudo ln -s libcudnn.so.5 libcudnn.so

3）安裝 TensorFlow

根據你所選擇的Python版本，下載對應的TensorFlow描述文件，進行安裝：

https://storage.googleapis.com/tensorflow/

這是個XML文件，搜索1.1.0版本（截止到目前最新版本）對應的whl文件：

操作系統對應.Whl文件

@Linux

CPU版本

-- linux/cpu/tensorflow-1.1.0rc0-cp27-none-linux_x86_64.whl

# 33|34|35|36 替換下面的cp33-cp33

-- linux/cpu/tensorflow-1.1.0rc0-cp33-cp33m-linux_x86_64.whl

GPU版本

-- linux/gpu/tensorflow_gpu-1.1.0rc2-cp27-none-linux_x86_64.whl

# 33|34|35|36

-- linux/gpu/tensorflow_gpu-1.1.0rc2-cp33-cp33m-linux_x86_64.whl

Debian CPU版本（only）

-- linux/cpu/debian/jessie/tensorflow-1.1.0rc1-cp27-none-linux_x86_64.whl

雲版本Cloudml

CPU版本

-- linux/cpu/cloudml/tensorflow-1.1.0rc0-cp27-none-linux_x86_64.whl

GPU版本（最高版本是1.0.0）

-- linux/gpu/cloudml/avx2_fma/tensorflow_gpu-1.0.0-cp27-none-linux_x86_64.whl

@Mac

CPU版本

-- mac/cpu/tensorflow-1.1.0rc2-py2-none-any.whl

-- mac/cpu/tensorflow-1.1.0rc2-py3-none-any.whl

GPU version穩定的release（rc0）

-- mac/gpu/tensorflow_gpu-1.1.0rc0-py2-none-any.whl

-- mac/gpu/tensorflow_gpu-1.1.0rc0-py3-none-any.whl

@Windows 目前僅支持Python 3.5

CPU版本

-- windows/cpu/tensorflow-1.1.0rc2-cp35-cp35m-win_amd64.whl

GPU版本

-- windows/gpu/tensorflow_gpu-1.1.0rc2-cp35-cp35m-win_amd64.whl

通過URL將對應的 whl 文件下載到本地， 比如作者採用 Py3.4（ubuntu14對應版本），Linux下對應的CPU版本：

# Python 3 $ sudo pip3 install --upgrade tensorflow-1.1.0rc2-cp34-cp34m-manylinux1_x86_64.whl

也可以根據自己需要，直接配置URL在線 whl 進行安裝：

# Python3 version, GPU $ sudo pip3 install --upgrade https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.1.0rc2-cp35-cp35m-linux_x86_64.whl # Python3 version, CPU $ sudo pip3 install --upgrade https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.1.0rc0-cp34-cp34m-linux_x86_64.whl # python2.X version, Linux with GPU $ sudo pip install --upgrade https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.1.0rc2-cp27-none-linux_x86_64.whl

需要注意：可能會遇到安裝失敗的情況，是網路問題，需要多試幾次！

二. Docker安裝：

在雲上部署的情況下常用Docker安裝，關於Docker安裝作者並不推薦，Docker的學習成本相對較高。

三. Make編譯：

1.下載源碼

Git clone --recurse-submodules https://github.com/tensorflow/tensorflow

2. 安裝Bazel

可以參考官網安裝方法：https://bazel.build/versions/master/docs/install.html

3. 安裝tensorflow依賴庫

sudo apt-get install Python-numpy swig python-dev python-wheel

4. 配置tensorflow，需要你指定相應文件的安裝目錄

cd進tensorflow源文件。sudo ./configure

5. 使用Bazel編譯構建

bazel build -c opt --config=cuda //tensorflow/cc:tutorials_example_trainer bazel-bin/tensorflow/cc/tutorials_example_trainer--use_gpu

四. 測試安裝：

安裝完成，下面要測試安裝是否成功，命令行環境測試（注意python 和 python3的語法稍有不同）：

# 進入python命令行 $ python # or python3 >>> import tensorflow as tf >>> str = tf.constant("Hello World!") >>> se = tf.Session() >>> print se.run(str) # or print (se.run(str))

當出現預料中的 Hello World！ 時，恭喜你，TensorFlow 環境安裝成功了，折騰了那邊久終於鬆了一口氣，滿滿的成就感吧。

CentOS下如果出現錯誤提示： ImportError: /lib64/libc.so.6: version `GLIBC_2.14 not found

Failed to load the native TensorFlow runtime.

不用擔心，這是你的GLIB版本過低（操作系統版本有點老），解決方法如下：

1. 到 http://ftp.gnu.org/gnu/glibc/

下載 glibc-2.14.tar.gz 以及 對應插件 glibc-ports-2.14.tar.gz

註：安裝 glib2.17以上版本不需要 ports 插件，步驟一樣。

2. 編譯安裝

[user@localhost ~]$ tar -xzvf glibc-2.14.tar.gz [user@localhost ~]$ tar -xzvf glibc-ports-2.14.tar.gz [user@localhost ~]$ mv glibc-ports-2.14 glibc-2.14/ports [user@localhost ~]$ cd glibc-2.14 [user@localhost glibc-2.14]$ mkdir build [user@localhost glibc-2.14]$ cd build [user@localhost build]$ ../configure --prefix=/usr --disable-profile --enable-add-ons --with-headers=/usr/include --with-binutils=/usr/bin [user@localhost build]$ make -j4 [user@localhost build]$ su [root@localhost build]# make install

3. 替換文件，建立軟連接

註：2.17以上版本不需要下面操作，install已經完成了替換。

[root@localhost build]# cp libc.so /lib64/libc-2.14.so # copy [root@localhost build]# rm -rf /lib64/libc.so.6 # 刪除原文件 [root@localhost build]# LD_PRELOAD=/lib64/libc-2.14.so ln -s /lib64/libc-2.14.so /lib64/libc.so.6 # 建立軟連接 [root@localhost build]# strings /lib64/libc.so.6 | grep GLIBC # 查看是否安裝成功

libstdc++ 版本問題：

對應 libstdc++ 報錯，處理方式與上面一致，安裝新版本gcc即可，具體方式可以配置YUM源，也可以下載文件編譯安裝，或者下載庫替換，這裡不再介紹。

五. 配置集成環境：

配置集成環境是大多數情況下開發大型軟體必做的一步，很多人都不喜歡用命令行，可以理解，在Linux下我們推薦Eclipse，Windows下推薦VS。

Eclipse配置：

1）配置 java環境

下載並安裝 jdk1.8， 配置環境，打開～/.bashrc，加入一行：

export JAVA_HOME=/your path/jdk/jdk1.8 export CLASSPATH=${JAVA_HOME}/libexport PATH=${JAVA_HOME}/bin:$PATH source ~./bashrc java -version # 查看版本

2）安裝 Eclipse

3）在 Eclipse 中安裝pydev插件

Help -> Install New Software... 在彈出的對話框中，點Add 按鈕。 Name選擇 http://pydev.org/updates

4）配置 pydev 解釋器

在Eclipse菜單欄，點擊Windows ->Preferences。

選擇左側列表 PyDev->Interpreter - Python，進入配置。

點擊右上角 New按鈕， 選擇 python.exe的路徑，配置完成

VS2015 配置：

Windows下的IDE 推薦2015，因為免費又好用，VS2015集成了Python開發環境，具體配置和使用方法這裡就不講了，自己試一下。

OK，還等什麼，新建一個Project，開始你的旅程吧。

推薦閱讀：