TensorFlow 安装手册 — 使用 pip 安装 TensorFlow

关于 TensorFlow 安装,有很多方法可以实践。本文将为大家详细介绍如何利用 pip 安装 TensorFlow 。

可用安装包
tensorflow — 仅限 CPU 的当前版本(推荐给初学者)
tensorflow - gpu — 支持 GPU 的当前版本(Ubuntu 和 Windows)
tf - nightly — Nightly 仅为 CPU 构建(不稳定)
tf - nightly - gpu — 使用 GPU 支持 Nightly(不稳定,Ubuntu 和 Windows)

系统要求
Ubuntu 16.04 或更高版本(64 位)
macOS 10.12.6(Sierra)或更高版本(64 位)(无 GPU 支持)
Windows 7 或更高版本(64 位)(仅限 Python 3)
Raspbian 9.0 或更高版本

硬件要求
从 TensorFlow 1.6 开始,二进制文件使用 AVX 指令,这些指令可能无法在老一点的 CPU 上运行
阅读 GPU 支持指南(https://tensorflow.google.cn/install/gpu?hl=zh-CN),在 Ubuntu 或 Windows 上设置支持 CUDA® 的 GPU 卡

在系统上安装 Python 开发环境

Python 3

检查您的 Python 环境是否已配置:
需要 Python 3.4, 3.5 或 3.6
python3−−version pip3 --version
$ virtualenv --version

如果已安装这些软件包,请跳至下一步。
否则,请安装 Python,pip 包管理器和 Virtualenv:

UBUNTU
sudoaptupdate sudo apt install python3-dev python3-pip
$ sudo pip3 install -U virtualenv # system-wide install

Mac OS
使用 Homebrew 包管理器安装:
/usr/bin/ruby−e"(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/master/install)"
exportPATH=“/usr/local/bin:/usr/local/sbin:PATH”
brewupdate brew install python # Python 3
$ sudo pip3 install -U virtualenv # system-wide install

WINDOWS
安装 2015 Redistributable Update 3。这是 Visual Studio 2015 附带的,可以单独安装:
转到 Visual Studio 下载
选择 Redistributables 和 Build Tools
下载并安装 Microsoft Visual C ++ 2015 Redistributable Update 3

安装适用于 Windows 的 64 位 Python 3 发行版(选择 pip 作为可选功能)
C:> pip3 install -U pip virtualenv

RASPBERRY PI
sudoaptupdate sudo apt install python3-dev python3-pip
sudo apt install libatlas-base-dev # required for numpy sudo pip3 install -U virtualenv # system-wide install

OTHER
$ curl https://bootstrap.pypa.io/get-pip.py -o get-pip.py
pythonget−pip.py sudo pip3 install -U virtualenv # system-wide install

Python 2.7

检查您的 Python 环境是否已配置:
python−−version pip --version
$ virtualenv --version

如果已安装这些软件包,请跳至下一步。
否则,请安装 Python,pip 包管理器和 Virtualenv:

UBUNTU
sudoaptupdate sudo apt install python-dev python-pip
$ sudo pip install -U virtualenv # system-wide install

Mac OS
使用 Homebrew 包管理器安装:
/usr/bin/ruby−e"(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/master/install)"
exportPATH=“/usr/local/bin:/usr/local/sbin:PATH”
brewupdate brew install python@2 # Python 2
$ sudo pip install -U virtualenv # system-wide install

RASPBERRY PI
sudoaptupdate sudo apt install python-dev python-pip
sudo apt install libatlas-base-dev # required for numpy sudo pip install -U virtualenv # system-wide install

OTHER
$ curl https://bootstrap.pypa.io/get-pip.py -o get-pip.py
pythonget−pip.py sudo pip install -U virtualenv # system-wide install

创建虚拟环境(推荐)

Python 虚拟环境用于将程序包安装与系统隔离。

UBUNTU / Mac OS
通过选择 Python 解释器并创建一个 ./venv 目录来创建一个新的虚拟环境:
$ virtualenv --system-site-packages -p python2.7./venv

使用特定于 shell 的命令激活虚拟环境:
$ source ./venv/bin/activate # sh, bash, ksh, or zsh

当 virtualenv 处于活动状态时,shell 提示符前缀为(venv)。

要在不影响主机系统设置的情况下,在虚拟环境中安装软件包。首先升级 pip:
(venv)pipinstall−−upgradepip(venv) pip list # show packages installed within the virtual environment

之后退出 virtualenv:
(venv)$ deactivate # don’t exit until you’re done using TensorFlow

WINDOWS
通过选择 Python 解释器并创建一个 ./venv 目录来创建一个新的虚拟环境。

激活虚拟环境:
(venv)C:> .\venv\Scripts\activate

在虚拟环境中安装软件包,不会影响主机系统设置。 首先升级 pip:
(venv)C:> pip install --upgrade pip

(venv)C:> pip list # show packages installed within the virtual environment

之后退出 virtualenv:
(venv)C:> deactivate # don’t exit until you’re done using TensorFlow

CONDA
我们推荐使用 TensorFlow 提供的 pip 包,也可以使用社区支持的 Anaconda 包。

通过选择 Python 解释器并创建一个 ./venv 目录来创建一个新的虚拟环境:
$ conda create -nvenvpip python=2.7

激活虚拟环境:
& source activatevenv

在虚拟环境中,使用其完整 URL 安装 TensorFlow pip 包
(venv)$ pip install --ignore-installed --upgrade packageURL

之后退出 virtualenv:
(venv)$ source deactivate

安装 TensorFlow pip 包

从 PyPI 中选择以下 TensorFlow 软件包之一进行安装:
tensorflow — 仅限 CPU 的当前版本(推荐给初学者)
tensorflow - gpu — 支持 GPU 的当前版本(Ubuntu 和 Windows)
tf - nightly — Nightly 仅为 CPU 构建(不稳定)
tf - nightly - gpu — 使用 GPU 支持 Nightly(不稳定,Ubuntu 和 Windows)

程序包依赖项是自动安装的。 都列在 REQUIRED_PACKAGES 下的 setup.py 文件中。

VIRTUALENV INSTALL
(venv)$ pip install --upgrade tensorflow

验证安装:

(venv)$ python -c “import tensorflow as tf; print (tf.version)”

SYSTEM INSTALL
pip install --user --upgrade tensorflow # install inHOME

验证安装:
$ python -c “import tensorflow as tf; print (tf.version)”

成功:现在已安装 TensorFlow。 阅读教程,开始使用。(https://tensorflow.google.cn/tutorials/?hl=zh-CN)

安装包位置

一些安装机制需要 TensorFlow Python 包的 URL。 您指定的值取决于您的 Python 版本。

版本
URL
Linux
Python 2.7 CPU-only
https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.11.0-cp27-none-linux_x86_64.whl
Python 2.7 GPU support
https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.11.0-cp27-none-linux_x86_64.whl
Python 3.4 CPU-only
https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.11.0-cp34-cp34m-linux_x86_64.whl
Python 3.4 GPU support
https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.11.0-cp34-cp34m-linux_x86_64.whl
Python 3.5 CPU-only
https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.11.0-cp35-cp35m-linux_x86_64.whl
Python 3.5 GPU support
https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.11.0-cp35-cp35m-linux_x86_64.whl
Python 3.6 CPU-only
https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.11.0-cp36-cp36m-linux_x86_64.whl
Python 3.6 GPU support
https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.11.0-cp36-cp36m-linux_x86_64.whl
macOS (CPU-only)
Python 2.7
https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-1.11.0-py2-none-any.whl
Python 3.4, 3.5, 3.6
https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-1.11.0-py3-none-any.whl
Windows

Python 3.5 CPU-only
https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow-1.11.0-cp35-cp35m-win_amd64.whl
Python 3.5 GPU support
https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-1.11.0-cp35-cp35m-win_amd64.whl
Python 3.6 CPU-only
https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow-1.11.0-cp36-cp36m-win_amd64.whl
Python 3.6 GPU support
https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-1.11.0-cp36-cp36m-win_amd64.whl


大白白 2018-10-26 17:29:10