在多平台上安装TensorFlow的方法

TensorFlow是谷歌在近期开源的一款深度学习方面的框架，有纯CPU版本和使用了GPU的版本。我们通过使用它，可以大大方便我们在神经网络方面的工作，降低我们的工作量。众所周知，TensorFlow是基于Python的，所以我们需要使用Python来做。TensorFlow在Windows上仅支持64位Python 3.5。

鉴于Python2已经濒临淘汰，所以，我建议现在以及今后都直接使用Python3来做，除非你手头有一大堆现有的py2的代码项目，否则，Python2迟早是要切换到Python3，到时候又是一大堆代码要手动升级到3版本，3和2的代码差别太大了。

安装必备条件：

官网：https://www.tensorflow.org/

Python 3.5

NVIDIA显卡和CUDA Toolkit 8.0  (GPU版本需要，CPU版本可以忽略)

MSVCP140.DLL (Windows版本需要，有可能你的系统中没有安装它，需要安装有Visual C++ 2015 redistributable (x64 version)，Linux可以忽略)

 

安装开始：

（GPU版本有关CUDA的安装请查看这里：

https://www.tensorflow.org/versions/r0.12/get_started/os_setup#optional_install_cuda_gpus_on_linux

Windows版的CUDA安装网上又很多教程，而且操作也比较简单，此处就略去。

CUDA可以从这里下载：

https://developer.nvidia.com/cuda-downloads

Linux系统上TensorFlow-GPU的安装及CUDA环境配置请看这一篇文章：

Linux系统下安装TensorFlow的GPU版本

）

 

TensorFlow支持不同的安装方式（来自官方）：

 

Pip安装：在您的机器上安装TensorFlow，可能会升级以前安装的Python包，也可能影响您机器上现有的Python程序。

Virtualenv安装：将TensorFlow安装在自己的目录中，不影响机器上现有的任何Python程序。

Anaconda安装：在运行Anaconda Python发行版的用户的环境中安装TensorFlow，不影响机器上现有的Python程序。

Docker安装：在与机器上所有其他程序隔离的Docker容器中运行TensorFlow。

从源安装：通过构建一个您使用pip安装的管道轮安装TensorFlow。

如果您熟悉Pip，Virtualenv，Anaconda或Docker，请随时根据您的特定需求进行调整。pip和Docker图像的名称列在相应的安装部分中。

 

如果遇到安装错误，请参阅 某些解决方案的常见问题：

https://www.tensorflow.org/versions/r0.12/get_started/os_setup#common_problems

 

鉴于pip安装会非常简单，也是在多个平台上的通用方法，而且博主只会pip安装，所以我这里暂时只写pip安装方法。

pip安装需要你的python可以使用pip或者pip3命令。

安装TensorFlow：

CPU版

$ pip3 install tensorflow

GPU版

$ pip3 install tensorflow-gpu

如果pip3命令不起作用，请检查Windows环境变量或者是否安装python-pip和python-dev，也可以参考这里的方法：

https://www.tensorflow.org/versions/r0.12/get_started/os_setup#pip_installation

安装完成和测试：

安装完成后，我们可以测试一下TensorFlow是否能够正常使用（官方示例程序）：

$ python
>>> import tensorflow as tf
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess = tf.Session()
>>> print(sess.run(hello))
Hello, TensorFlow!
>>> a = tf.constant(10)
>>> b = tf.constant(32)
>>> print(sess.run(a + b))
42
>>>

测试过程中，可能还会输出其他的一些信息，不过只要是能够正确地输出需要的结果，那么就应该没有什么问题。

对于GPU版本，你还可以使用下面的代码来测试TF是否可以使用GPU来加速计算，如果输出False，那就是不能使用，否则是可以使用。

>>> tf.test.is_gpu_available()
False
>>>

 

参考资料：

https://www.tensorflow.org/versions/r0.12/get_started/os_setup#pip-installation-on-windows

版权声明 本博客的文章除特别说明外均为原创，本人版权所有。欢迎转载，转载请注明作者及来源链接，谢谢。 本文地址: https://blog.ailemon.net/2017/05/21/install-tensorflow-on-muti-platform/ All articles are under Attribution-NonCommercial-ShareAlike 4.0