什么是TensorFlow?
TensorFlow是Google开发的一款神经网络的Python外部的结构包, 也是一个采用数据流图来进行数值计算的开源软件库.TensorFlow 让我们可以先绘制计算结构图, 也可以称是一系列可人机交互的计算操作, 然后把编辑好的Python文件 转换成 更高效的C++, 并在后端进行计算.
Tensorflow 安装
Linux 和 MacOS
本文将提到第一种最简单的安装方式, pip 安装. 使用 pip 安装的时候要确保你的 pip 已经存在于你的电脑中. 如果还没有安装 pip. 你可以在 Terminal 窗口中运行这个, 升级必要的组件:
# Ubuntu/Linux 64-位 系统的执行代码: $ sudo apt-get install python-pip python-dev # Mac OS X 系统的执行代码: $ sudo easy_install --upgrade pip $ sudo easy_install --upgrade six
CPU 版
激动人心的时刻到了, Tensorflow (0.12之后) 做了更新, 绕过了复杂的安装步骤, 如果你只需要安装 CPU 版本的 Tensorflow, 运行下面这个就好了:
# python 2+ 的用户: $ pip install tensorflow # python 3+ 的用户: $ pip3 install tensorflow
注意: 你需要8.1或更高版的 pip
才能顺利安装.
GPU 版
Tensorflow 已经不再支持 mac 的 GPU 版了, 下面是 Linux 安装 GPU 版的说明. 说先安装 NVIDIA CUDA 必要组建.
$ sudo apt-get install libcupti-dev
然后确保你的 linux 上 pip 是可用的, 接着我们可以直接通过pip 安装:
$ sudo apt-get install python-pip python-dev # for Python 2.7 $ sudo apt-get install python3-pip python3-dev # for Python 3.n
然后选择你想要cpu 或者 gpu 版本.
$ pip install tensorflow # Python 2.7; CPU support (no GPU support) $ pip3 install tensorflow # Python 3.n; CPU support (no GPU support) $ pip install tensorflow-gpu # Python 2.7; GPU support $ pip3 install tensorflow-gpu # Python 3.n; GPU support
Windows
安装前的检查:
- 目前只支持 Python 3.5/3.6 (64bit) 版本
- 你有安装 numpy (没有的话,请看这里numpy 安装教程)
接下来惊心动魄啦! 在 command 窗口中执行
# CPU 版的 C:\> pip3 install --upgrade tensorflow # GPU 版的 C:\> pip3 install --upgrade tensorflow-gpu
注意,如果没有配置pip的环境变量,请进入安装的pip所在的目录下执行以上命令。例如(D:\ProgramData\Anaconda3\Scripts)
- Windows 运行 Tensorflow 如果遇到这个报错:
Error importing tensorflow. Unless you are using bazel, you should not try to import tensorflow from its source directory; please exit the tensorflow source tree, and relaunch your python interpreter from there.
不要惊慌, 尝试下载安装 Windows 的 Microsoft Visual C++ 2015 redistributable update 3 64 bit. 就能解决这个问题.
- 或者在 Windows 运行的时候出现了如下报错, 你需要安装 Windows 的 Visual C++ Redistributable for Visual Studio 2015 就能成功解决问题.
ImportError: No module named ‘_pywrap_tensorflow_internal‘
测试
然后打开你的 python 编辑器, 输入
import tensorflow
运行脚本来检查一下是否有正确安装.