TensorFlow安装教程(图示版)

TensorFlow CPU 版本的安装较为简单,而 GPU 版本则需要另外安装一些驱动程序和库,为了简便我们可以使用 Docker 的方式来安装和使用(目前,TensorFlow 只有 Linux 版提供了 Docker 镜像)。本节教程中我们会通过 python 的包管理工具 pip 进行安装,并且以 Linux 环境为准。

作者使用的开发环境如表 1 所示。
表 1:作者使用的开发环境
系统版本 Ubuntu 16.04
Anaconda 版本 Anaconda 3.6
Python版本 3.6.8
电脑配置 4 个物理 CPU, 32GB 内存
GPU 两块 Tesla P100,单卡显存 16GB

1.安装Anaconda

首先我们从官网下载 Anaconda 安装文件,选择 Linux 的“Python3.7Version”版本,单击“Download”,下载的文件为“Anaconda3-2019.10-Linux-x86_64.sh”。

1) 安装Anaconda

① 执行“bash Anaconda3-2019.10-Linux-x86_64.sh”,提示需要阅读许可条例,按下 Enter 键继续,如图 1 所示。
安装Anaconda(1)
图 1:安装 Anaconda(1)

② 出现提示:是否接受许可条例,输入“yes”按 Enter 键,在界面中会提示 Anaconda 将要安装的位置,按下 Enter 键确认,如图 2 所示。
安装Anaconda(2)
图 2:安装 Anaconda(2)

③ 提示是否要写入配置文件,输入“yes”按 Enter 键,如图 3 所示。
安装Anaconda(3)
图 3:安装Anaconda(3)

到这里,Anaconda 就安装完成了。如图 4 所示,安装好后键入“python3”,此时运行的还是系统自带的 Python 版本,执行“source ~/.bashrc”让配置生效,此时执行“python3”,运行的就是 Anaconda。
安装Anaconda(4)
图 4:安装Anaconda(4)

2) 创建虚拟Python环境

接下来在 Anaconda 中创建虚拟 Python 环境,执行如下命令:

conda create --name apython python=3.7


出现是否继续的提示,输入“y”按 Enter 键,稍等片刻,一个 Python3.7 的虚拟环境就创建好了。此时系统中有多个版本的 Python,为了方便使用,需要配置环境变量,为每个版本的 Python 设置一个别名。另外为了后面方便使用“pip”来管理虚拟环境的包,也需要为虚拟环境的“pip”命令创建一个别名。

编辑“~/.bashrc”文件,在文件末尾增加如下内容:

alias python="/usr/bin/python2"
alias python3="/usr/bin/python3"
alias apython="/home/lqhou/anaconda3/envs/apython/bin/python3"
alias apip="/home/lqhou/anaconda3/envs/apython/bin/pip"


注意,Anaconda 的路径要根据实际情况来填写,“/home/lqhou/anaconda3”是作者系统上 Anaconda 的安装路径。配置完成后键入“source ~/.bashrc”让配置生效,之后分别执行“python”“python3”和“apython”命令,如图 5 所示。
测试别名
图 5:测试别名

这里“python”和“python3”命令指向的都是系统自带的 Python 版本,“apython”命令指向的是我们刚刚创建的 Python 虚拟环境。这里需要注意,当使用“pip”命令为虚拟 Python 环境安装包时,需要使用在这里配置的“apip”命令,直接使用“pip”或“pip3”命令会把包安装到系统自带的 Python 环境中。

2.安装TensorFlow

GPU 版的 TensorFlow 包含了CPU 版本,如果读者手上有 GPU 资源的话,可以直接安装 GPU 版的 TensorFlow。

我们使用命令“apip install tensorflow”进行安装,该命令会安装最新的、稳定的 CPU 版本的 TensorFlow。安装完成后,我们进入Python 的交互式解释器环境验证安装是否成功,依次运行“import tensorflow as tf”、“print(tf.__version__)”,如图 6 所示。
测试 TensorFlow2.0是否安装成功
图 6:测试 TensorFlow2.0 是否安装成功

3.使用Jupyter Notebook

Jupyter Notebook 是一个开源的 Web 应用程序,常被用于交互式的开发和展示数据科学项目(例如数据清洗和转换、数据可视化及机器学习等)。为了方便大家学习,本节教程用 Jupyter NoteBook 作为编程工具(读者也可以使用谷歌公司的 Colab),读者也可以任意选择自己喜欢的编程工具。

通过图形化界面安装的 Anaconda 集成了 Jupyter NoteBook,可以直接使用,如图 7 所示。
Anaconda 界面
图 7:Anaconda 界面

如果读者使用的是命令行环境,我们需要使用命令“apip install jupyter”来安装 Jupyter NoteBook。如果希望远程访问Jupyter NoteBook 页面,操作如下:
  1. 输入命令“conda activate apython”来激活虚拟环境。
  2. 输入命令“nohup jupyter-notebook --allow-root --no-browser --ip=172.31.233.246&”,注意,这里的 IP 地址要换成你所使用服务器的IP 地址。输入该行命令后按一次 Enter 键。
  3. 输入命令“conda deactivate”退出虚拟环境。

输入以上命令后,就可以在你本地计算机的浏览器中通过服务器的 IP 地址来访问服务器上的 Jupyter NoteBook 页面了。第一次登录需要 Token,在上面执行命令的目录中会生成一个“nohup.out”文件,文件中有 Token 信息。

直接在图 7 单击 Jupyter 下方的“Launch”按钮即可启动 Jupyter NoteBook(也可以在终端中输入“jupyter-notebook”命令来启动),启动之后会自动打开一个 Web 页面,如图 8 所示。这里列出了默认路径下的所有目录和文件,我们可以打开自己存放代码的目录。
Jupyter Notebook 启动之后打开的Web 界面
图 8:Jupyter Notebook 启动之后打开的 Web 界面

如图 9 所示,单击页面右上角的“new”菜单,再单击“python[conda env:apython3]”菜单之后就会创建一个新的后缀名为“ipynb”的 Notebook 文件。
创建一个新的 Notebook 文件
图 9:创建一个新的 Notebook 文件

如果“new”菜单只有一个 Python Kernel,则在命令行下执行命令“source activate apython3”进入之前创建的“apython3”虚拟环境,再执行“jupyter-notebook”命令启动 Jupyter Notebook,即可在“new”菜单下就看到如图 9 所示的 Kernel 了。

新建的 Notebook 文件会自动地在新的标签页打开,如图 10 所示,这是一个空的 Notebook 文件。
打开后的Notebook文件
图 10:打开后的 Notebook 文件

在 Notebook 的单元格内输入代码,单击“Run”按钮之后会在单元格的下方显示代码运行的结果,如图 11 所示。
在Notebook 文件中编写代码
图 11:在 Notebook 文件中编写代码