TensorFlow安裝說明 on Linux
https://www.tensorflow.org/guide
https://efeiefei.gitbooks.io/tensorflow_documents_zh/install/install_linux.html
https://www.itread01.com/content/1545462072.html
準備資料:
先依照下圖，確認要使用哪一版本的TensorFlow with GPU，並到官網下載Cuda，cuDNN，TensorRT相對應的版本安裝
安裝環境
(一). Anaconda
2.Docker
3."native" pip
(四)virtualenv
sudo apt-get install python3-pip
pip3 install pyqt5==5.15 pyqtwebengine
(一). Anaconda 安裝
Setp00. 參考網站
https://www.anaconda.com/products/individual
https://zh.wikipedia.org/wiki/Anaconda_(Python%E5%8F%91%E8%A1%8C%E7%89%88)
按照如下步驟在 Anaconda 環境中安裝 TensorFlow：
Step01. 到官網下載Anaconda或是直接下載，指令如下
Anaconda官網： Anaconda download site Python 2.7 and Python 3.7
# for python 2.7 curl -O https://repo.anaconda.com/archive/Anaconda2-2019.10-Linux-x86_64.sh # for python 3.7 curl -O https://repo.anaconda.com/archive/Anaconda3-2020.02-Linux-x86_64.sh # other version https://repo.anaconda.com/archive/
Step02. 執行安裝程式，並依照說明輸入相關值，即可安裝完成
bash Anaconda3-2020.02-Linux-x86_64.sh
按下"enter"鍵
按下"q"鍵
輸入"yes"
輸入要安裝的路徑 "/home/coral/conda"
輸入"yes"
安裝完成
將終端機關掉，再重新開一個終端機，
每次開終端機都會直接開機到base的虛擬環境下，如果不要直接到base的虛擬環境，請設定下面指令
conda config --set auto_activate_base false
確認目前所有的虛擬環境
conda env list
Step03.建立虛擬環境，再按y建立
# 會安裝python 3.7 和 base 預設的虛擬環境所有的套件 conda create -n tf21 python==3.7 anaconda or # 只會安裝python 3.7 相關的 conda create -n tf21 python==3.7
Step04.進入tf21 虛擬環境後，安裝tensorflow
https://www.tensorflow.org/install/pip
#進入虛擬環境 conda activate tf21 #確認python版本 python --version #確認pip版本，必須大於19.0 pip --version #如果pip小於19.0，下面指令會更新到最新版本 pip install --upgrade pip # 下載CPU和GPU版本 pip install tensorflow==2.1 # 下載預設的CPU版本 pip install tensorflow-cpu or # 下載預設的GPU版本 pip install tensorflow-gpu or # 指定版本下載 pip install tensorflow-cpu==2.1 or # 也會安裝cuda and cudnn 只能在 V2.0以下版本，V2.1不能安裝 conda install tensorflow=2.0
單獨只安裝CPU版本
Step05. 驗證Tensorflow是否安裝成功
python -c "import tensorflow as tf;print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
安裝CPU和GPU版本，沒有Nvidia的顯卡，顯示的訊息
單獨安裝CPU版本所顯示的訊息
Step06.退出虛擬環境
conda deactivate
Step07. 移除虛擬環境tf21
conda env remove -n tf21
# 移除tensorflow 套件 pip uninstall tensorflow
Setp08. 移除Anaconda
conda install anaconda-clean anaconda-clean
刪除~/.bashrc 內容的conda 相關設定
另外再手動刪除.anaconda_backup和conda 兩個目錄
Docker 安裝
如下步驟通過 Docker 安裝 TensorFlow：
- 按描述在你的機器上安裝 Docker Docker documentation.
- 可選，建立名為docker的用戶組以便不通過 sudo 來登陸 container， Docker documentation. （如果省略該步驟，每次啟動 Docker 都需要使用 sudo。）
- 為安裝支援 GPU 的 TensorFlow 版本，需要首先 安裝 nvidia-docker
- 啟動含有 TensorFlow binary images. 之一的 Docker 容器。
本章節的其餘部分描述了如何啟動一個 Docker 容器。
CPU-only
使用如下命令啟動一個 CPU-only Docker 容器：
$ docker run -it -p hostPort:containerPort TensorFlowCPUImage
其中：
- -p hostPort:containerPort 可選。 如果計畫從 shell 執行 TensorFlow 程式，忽略該選項。 如果計畫作為Jupyter notebooks執行 TensorFlow 程式，設定 hostPort 及 containerPort 均為 8888。如果計畫在容器中啟動 TensorBoard， 添加第二個 -p 參數, 設定 hostPort 及 containerPort 均為 6006.
- TensorFlowCPUImage 是必須的. 它指定了使用的容器，如下選項中選取一個：
- gcr.io/tensorflow/tensorflow, TensorFlow CPU 鏡像。
- gcr.io/tensorflow/tensorflow:latest-devel, 最新的 TensorFlow CPU 鏡像外加原始程式碼。
- gcr.io/tensorflow/tensorflow:version，指定版本（如1.0.1）。
- gcr.io/tensorflow/tensorflow:version-devel，指定版本外加原始程式碼。
gcr.io 是 Google 的容器倉庫。注意一些鏡像同樣可從 dockerhub獲取。
例如，如下命令在一個容器中啟動最新的 TensorFlow CPU 鏡像，你可以在 shell 中執行 TensorFlow 程式：
$ docker run -it gcr.io/tensorflow/tensorflow bash
如下命令同樣在一個容器中啟動最新的 TensorFlow CPU 鏡像。 但是在該容器中，你可以在Jupyter notebook中執行 TensorFlow 程式：
$ docker run -it -p 8888:8888 gcr.io/tensorflow/tensorflow
Docker 會在你第一次啟動 TensorFlow 鏡像時下載它。
GPU support
安裝支援 GPU 的 TensorFlow 之前，確保你的系統滿足 NVIDIA software requirements。To launch a Docker container 通過如下命令，啟動一個支持 GPU 的 TensorFlow 的 Docker 容器
$ nvidia-docker run -it -p hostPort:containerPort TensorFlowGPUImage
其中：
- -p hostPort:containerPort 可選。 如果計畫從 shell 執行 TensorFlow 程式，忽略該選項。 如果計畫作為Jupyter notebooks執行 TensorFlow 程式，設定 hostPort 及 containerPort 均為 8888。
- TensorFlowCPUImage 是必須的. 它指定了使用的容器，如下選項中選取一個：
- gcr.io/tensorflow/tensorflow:latest-gpu，最新 TensorFlow GPU 鏡像。
- gcr.io/tensorflow/tensorflow:latest-devel-gpu，最新 TensorFlow GPU 鏡像外加原始程式碼。
- gcr.io/tensorflow/tensorflow:version-gpu，指定版本的 TensorFlow GPU 鏡像。
- gcr.io/tensorflow/tensorflow:version-devel-gpu，指定版本的 TensorFlow GPU 鏡像外加原始程式碼。
我們推薦安裝一個最新版。如下命令可以在 Docker 容器中啟動一個最新版本 TensorFlow GPU 鏡像， 你可以在其 shell 中執行TensorFlow 程式：
$ nvidia-docker run -it gcr.io/tensorflow/tensorflow:latest-gpu bash
如下命令同樣在一個容器中啟動最新的 TensorFlow GPU 鏡像。 但是在該容器中，你可以在Jupyter notebook中執行 TensorFlow 程式：
$ nvidia-docker run -it -p 8888:8888 gcr.io/tensorflow/tensorflow:latest-gpu
如下命令啟動一個老版本的 TensorFlow：
$ nvidia-docker run -it -p 8888:8888 gcr.io/tensorflow/tensorflow:0.12.1-gpu
Docker 會在你第一次啟動 TensorFlow 鏡像時下載它。詳情 TensorFlow docker readme.
+
下一步
安裝完畢之後： 驗證安裝結果。
原生 pip 安裝
注意： setup.py 的 REQUIRED_PACKAGES 部分 列出了 pip 將會安裝或者升級的 TensorFlow 包。
前提：Python 及 Pip
Python 已經在 Ubuntu 中自動安裝了。花謝時間確定（python -v）你的作業系統中含有如下 Python 版本中的一個：
- Python 2.7
- Python 3.3+
Pip 或 pip3 通常已經在 Ubuntu 中安裝。花些時間確定（pip -V或pip3 -V）已經安裝。強烈建議使用 8.1 或更高的版本。如果 8.1 或更高的版本沒有安裝，使用如下命令安裝或升級到最新 pip 版本：
$ sudo apt-get install python-pip python-dev
安裝 TensorFlow
假定已經安裝了如上必要軟體，如下步驟安裝 TensorFlow：
- 如下命令之一安裝：
- $ 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
如上命令執行完畢，可驗證安裝結果.
- (可選) 如果步驟1失敗，使用如下命令安裝：
- $ sudo pip install --upgrade TF_PYTHON_URL # Python 2.7
$ sudo pip3 install --upgrade TF_PYTHON_URL # Python 3.N
TF_PYTHON_URL 指定了 python tensorflow 的包的地址。TF_PYTHON_URL 依賴於作業系統、Python 版本、GPU 支援，從 這裡 找到合適的URL。 例如，安裝 TensorFlow for Linux, Python 3.4、CPU-only，使用如下命令：
$ sudo pip3 install --upgrade \
https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.1.0-cp34-cp34m-linux_x86_64.whl
該步驟失敗查詢 常見安裝問題.
下一步
安裝完畢之後： 驗證安裝結果。
卸載 TensorFlow
如下命令卸載：
$ sudo pip uninstall tensorflow # for Python 2.7
$ sudo pip3 uninstall tensorflow # for Python 3.n
(四). virtualenv 安裝
下面步驟是以tensorflow-2.2.0版本：
Step01:確認python3 介於3.5 ~ 3.8版本之間，pip3版本要大於19.1以上
$ python3 --version
$ pip3 --version
$ pip3 install --upgrade pip
Step02:安裝 pip 及 virtualenv
$ sudo apt update
$ sudo apt install python3-dev python3-pip
$ sudo pip3 install -U virtualenv # system-wide install
Step03:建立 virtualenv 環境
$ virtualenv --system-site-packages -p python3 ~/tf2
Step04:啟動 virtualenv 環境
$ source ~/tensorflow/bin/activate # bash, sh, ksh, or zsh
$ source ~/tensorflow/bin/activate.csh # csh or tcsh
如上操作會將提示符更改為如下：
(tf2)$
Step05:安裝 TensorFlow：2.2.0版本只要下tensorflow就會安裝CPU 和GPU版本
for CPU
(tf2)$ pip3 install --upgrade tensorflow # for Python 3.n
for GPU
(tf2)$ pip3 install --upgrade tensorflow-gpu=2.2.0 # for Python 3.n and GPU
如果要安裝tensorflow-gpu 版本，必須先安裝Nvidia的相關驅動
https://www.tensorflow.org/install/gpu
或是使用下列安裝方式
(tf2)$ pip3 install --upgrade TF_PYTHON_URL # Python 3.N
TF_PYTHON_URL 指定了 python tensorflow 的包的地址。
TF_PYTHON_URL 依賴於作業系統、Python 版本、GPU 支持，參考下面網站
https://www.tensorflow.org/install/pip
例如:安裝 TensorFlow for Linux, Python 3.7、GPU-support，使用如下命令：
(tf2)$ pip3 install --upgrade \
https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-2.2.0-cp37-cp37m-manylinux2010_x86_64.whl
Step06:驗證Ttensorflow是否安裝成功
(tf2)$ python -c "import tensorflow as tf;print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
Step07:使用完畢 TensorFlow 可用 deactivate 命令退出當前 virtualenv 環境
(tf2)$ deactivate
Step08:移除TensorFlow，只要刪除目錄即可
$ rm -r ~/tf2
Step09:移除virtualenv
sudo apt-get remove virtualenv
sudo apt-get remove --auto-remove virtualenv
Python 擴充套件安裝和 Jupyter Notebook安裝
pip install numpy
pip install matplotlib
pip install pandas
pip install opencv-python
pip install tensorflow-datasets
pip install tensorflow-hub
pip install tensorflow-addons
python3 -m pip install jupyter
(tf2$ pip3 install ipykernel
python3 -m ipykernel install --user --name=tf2
jupyter notebook
驗證安裝結果
按如下操作驗證 TensorFlow 安裝結果：
- 確保準備環境完備
- 執行一個簡短的 TensorFlow 程式
準備環境
If you installed on native pip, virtualenv, or Anaconda, then do the following: 如果通過原生 pip、virtualenv、Anaconda 安裝，做如下操作：
- 啟動一個 terminal
- 如果通過 virtualenv 或 Anaconda 安裝，啟動容器
- 如果你安裝了 TensorFlow 源碼，定位到不含源碼的任一目錄中
如果通過 Docker 安裝，啟動一個可以通過 bash 操作的 Docker 容器：
$ docker run -it gcr.io/tensorflow/tensorflow bash
執行一個簡短的 TensorFlow 程式
在 shell 中調用 Python：
$ python
在 Python 互動式環境中輸入如下命令：
>>> import tensorflow as tf
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess = tf.Session()
>>> print(sess.run(hello))
如果系統輸出如下，則安裝成功：
Hello, TensorFlow!
如果你新接觸 TensorFlow，參考初識 TensorFlow進行下一步學習。
留言列表
{{ article.title }}