专注于
IT技术和业内交流

TensorFlow—安装篇(centos7)

笔者目前所有的机型配置是:I5+8G内存+centos7,PS无显卡。

如官网所示 TensorFlow 有多种版本,每个人都可以按照自己的实际情况做出选择,这里只是一篇抛砖引玉的文章,大家有什么问题可以在这里留言。

话不多说。开始。

#一.Python 安装。

考虑方便未来扩展选择Python3.4 版本。yum 是没办法了,只能编译安装(PS 选择使用默认Python的同学请直接跳过这段)。

  • 下载python
   地址:(https://www.python.org/ftp/python/3.4.5/Python-3.4.5.tar.xz)
  • 解压下载好的压缩包
   tar xf Python-3.4.5.tgz
  • 为了方便管理 我们新建路径
   mkdir /usr/local/python3 
  • 进入解压目录
  cd Python-3.4.5 
  ./configure --prefix=/usr/local/python3 
  • 编译并安装
 make & make install
  • 到这里你已经安装好Python3了接下来我们做个链接方便以后操作。在/usr/bin中我们会看见python、python2、python2.7三个文件依次指向python2.7。我们需要创建python3的软链接
ln -s /usr/local/python3/bin/python3 /usr/bin/python3

这样就可以直接在终端使用python3了。当然我们也可以直接替换掉/usr/bin/python,要是服务器里只跑 TensorFlow 这样是是可以的,若不是就建议让他们并存吧。

  • 同理为pip3 加软链
   n -s /usr/local/python3/bin/pip3 /usr/bin/pip3

Ok Python3 已经安装好了。
运行 python3 --version 试试?

#二、TensorFlow 安装

根据自己的实际情况参照官网的这张表选择适合的下载链接。

# Ubuntu/Linux 64-bit, CPU only, Python 2.7
 export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.9.0-cp27-none-linux_x86_64.whl

# Ubuntu/Linux 64-bit, GPU enabled, Python 2.7
# Requires CUDA toolkit 7.5 and CuDNN v4. For other versions, see "Install from sources" below.
 export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-0.9.0-cp27-none-linux_x86_64.whl

# Mac OS X, CPU only, Python 2.7:
 export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/mac/tensorflow-0.9.0-py2-none-any.whl

# Ubuntu/Linux 64-bit, CPU only, Python 3.4
 export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.9.0-cp34-cp34m-linux_x86_64.whl

# Ubuntu/Linux 64-bit, GPU enabled, Python 3.4
# Requires CUDA toolkit 7.5 and CuDNN v4. For other versions, see "Install from sources" below.
 export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-0.9.0-cp34-cp34m-linux_x86_64.whl

# Ubuntu/Linux 64-bit, CPU only, Python 3.5
 export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.9.0-cp35-cp35m-linux_x86_64.whl

# Ubuntu/Linux 64-bit, GPU enabled, Python 3.5
# Requires CUDA toolkit 7.5 and CuDNN v4. For other versions, see "Install from sources" below.
 export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-0.9.0-cp35-cp35m-linux_x86_64.whl

# Mac OS X, CPU only, Python 3.4 or 3.5:
 export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/mac/tensorflow-0.9.0-py3-none-any.whl
# Python 2
 pip install --upgrade $TF_BINARY_URL

# Python 3
 pip3 install --upgrade $TF_BINARY_URL

按照我的环境我使用了如下选项:

#没有GPU! 只能用CPU计算了
export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.9.0-cp34-cp34m-linux_x86_64.whl
#是用Python3 
pip3 install --upgrade $TF_BINARY_URL

我们现在可以测试一下 TensorFlow是否安装成功~

$ python3
...
>>> 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
>>>

基本安装就这么简单。你已经完全学会怎么安装TF了。(ps:心急的同学可以跳过下面这段,直接开始真正的机器学习了。)

##三、另官方还介绍了一种安装方式 —使用 Virtualenv 安装。

推荐使用 Virtualenv 创建一个隔离 的容器, 来安装 TensorFlow. 这是可选的, 但是这样做能使排查安装问题变得更容易.

首先, 安装所有必备工具:

$ yum install python-virtualenv

接下来, 建立一个全新的 virtualenv 环境. 为了将环境建在 ~/tensorflow 目录下, 执行:

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

然后, 激活 virtualenv:

$ source bin/activate  # 如果使用 bash
(tensorflow)$  # 终端提示符应该发生变化

在 virtualenv 内, 安装 TensorFlow:

(tensorflow)$ pip install --upgrade <$url_to_binary.whl>

接下来, 使用类似命令运行 TensorFlow 程序:

(tensorflow)$ cd tensorflow/models/image/mnist
(tensorflow)$ python convolutional.py

# 当使用完 TensorFlow
(tensorflow)$ deactivate  # 停用 virtualenv

$  # 你的命令提示符会恢复原样

另关于 官网还介绍了DockerAnaconda 的安装方式。

生命不息,折腾不止,感兴趣的同学们继续吧~

未经允许,不得转载本站任何文章:代码山 » TensorFlow—安装篇(centos7)

分享到:更多 ()

专注品牌化高端网站建设

商务服务联系我们