本文介紹如何在 Ubuntu 系統(tǒng)中配置 TensorFlow 的開發(fā)環(huán)境，需要的 Ubuntu 版本為 14.04 或者更高版本。

確認(rèn)顯卡

• 安裝前需要先根據(jù)你的電腦是否安裝了 NVIDIA 的顯卡來確認(rèn)一下需要安裝的 TensorFlow 版本：

  • CPU 版本 如果你的電腦沒有安裝 NVIDIA 顯卡，只能安裝 CPU 版本，這個(gè)版本安裝會(huì)比較快（大概10分鐘左右），即使有 NVIDIA 顯卡但只是想體驗(yàn)一下 TensorFlow，也可以安裝這個(gè)版本。
  • GPU 版本 如果你的電腦安裝了 NVIDIA 顯卡，可以安裝 GPU 版本，使用 GPU 進(jìn)行深度學(xué)習(xí)的計(jì)算會(huì)比用 CPU 快很多。選擇安裝 GPU 版本的 TensorFlow 前先確認(rèn)如下信息：

• 確認(rèn)你的顯卡是否支持 CUDA Compute Capability 3.0 或更高版本，下面是 GeForce 系列顯卡的支持情況：

* 安裝 CUDA Toolkit 8.0 套件及相關(guān)驅(qū)動(dòng)，CUDA 是 NVIDIA 推出的基于自家 GPU 的運(yùn)算平臺(tái)，下載地址
* 安裝 cuDNN v6.0，并在環(huán)境變量里配置好 CUDA_HOME,cuDNN 是基于 CUDA 的深度神經(jīng)網(wǎng)絡(luò)庫，下載地址
* 安裝libcupti-dev，這是用于調(diào)試 CUDA 的庫

$ sudo apt-get install libcupti-dev
1

安裝官方發(fā)布版 TensorFlow

官方提供的安裝方法有virtualenv、native pip、Docker、Anaconda。如果只是想簡單的體驗(yàn)一下 TensorFlow，之后會(huì)刪除，可以使用virtualenv安裝；如果是進(jìn)行深入學(xué)習(xí)、開發(fā)，最好還是通過pip安裝。下面介紹的是使用pip安裝 TensorFlow 的方法。

• 首先確認(rèn) pip 或 pip3 是否安裝

$ sudo apt-get install python-pip python-dev   # for Python 2.7
$ sudo apt-get install python3-pip python3-dev # for Python 3.n
1
2

• 安裝 TensorFlow

安裝 CPU 版

$ sudo pip  install tensorflow     # Python 2.7; CPU support (no GPU support)
$ sudo pip3 install tensorflow     # Python 3.n; CPU support (no GPU support)
1
2

安裝 GPU 版
bash
$ sudo pip install tensorflow-gpu # Python 2.7; GPU support
$ sudo pip3 install tensorflow-gpu # Python 3.n; GPU support


如果使用上面的命令安裝失敗，可以嘗試使用

$ sudo pip  install --upgrade <tfBinaryURL>    # Python 2.7
$ sudo pip3 install --upgrade <tfBinaryURL>    # Python 3.n 
1
2

tfBinaryURL需要根據(jù) Python 版本以及是否支持 NAVIDIA 顯卡確定：
Python 2.7：

 # CPU 版
https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.4.0-cp27-none-linux_x86_64.whl
# GPU 版
https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.4.0-cp27-none-linux_x86_64.whl
1
2
3
4

Python 3.4：

# CPU 版
https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.4.0-cp34-cp34m-linux_x86_64.whl
# GPU 版
https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.4.0-cp34-cp34m-linux_x86_64.whl
1
2
3
4

Python 3.5：

# CPU 版
https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.4.0-cp35-cp35m-linux_x86_64.whl
# GPU 版
https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.4.0-cp35-cp35m-linux_x86_64.whl
1
2
3
4

Python 3.6：

# CPU 版
https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.4.0-cp36-cp36m-linux_x86_64.whl
# GPU 版
https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.4.0-cp36-cp36m-linux_x86_64.whl
1
2
3
4

如果你使用的 Python 版本在上面沒有找到，那么只能通過下載源碼自己編譯安裝。通過源碼編譯安裝的方法下面會(huì)介紹。

編譯源碼安裝 TensorFlow

如果你安裝的 Python 版本官方?jīng)]有提供安裝包，或者你想要修改 TensorFlow Core 相關(guān)的功能，可以嘗試通過 Google 發(fā)布的 TensorFlow 源碼，自己編譯、安裝 TensorFlow。目前只有 Ubuntu 和 Mac OS X 系統(tǒng)支持編譯 TensorFlow 源碼，Window 系統(tǒng)不支持編譯 TensorFlow 源碼。

• 安裝必要的依賴軟件

安裝 JDK 1.8

$ sudo apt-get install openjdk-8-jdk
1

安裝 Bazel

$ echo "deb [arch=amd64] http://storage./bazel-apt stable jdk1.8" | sudo tee /etc/apt/sources.list.d/bazel.list
$ curl https://bazel.build/bazel-release.pub.gpg | sudo apt-key add -
$ sudo apt-get update
$ sudo apt-get install bazel
$ sudo apt-get upgrade bazel   # 如果之前安裝過 Bazel，使用這個(gè)命令更新到最新版
1
2
3
4
5

安裝 Python，可以選擇安裝 Python 2.7 或者 Python 3 其一
安裝 Python 2.7:

$ sudo apt-get install python-numpy python-dev python-pip python-wheel
1

安裝 Python 3.n:

$ sudo apt-get install python3-numpy python3-dev python3-pip python3-wheel
1

• 如果選擇 GPU 版，還需要安裝 CUDA 等相關(guān)庫，參考 NVIDIA’s documentation

  • 下載 TensorFlow 代碼

$ git clone https://github.com/tensorflow/tensorflow   # clone 代碼
$ cd tensorflow           # 進(jìn)入代碼目錄
$ git branch -a           # 查看所有分支，找到最新版本，我的為 remotes/origin/r1.4
$ git checkout r1.4       # 切到最新版本
1
2
3
4

• 配置編譯參數(shù)，運(yùn)行configure文件，一路按回車使用默認(rèn)值就可以

$ ./configure 
You have bazel 0.8.1 installed.
Please specify the location of python. [Default is     /usr/bin/python]: /usr/bin/python3


Found possible Python library paths:
  /usr/local/lib/python3.5/dist-packages
  /usr/lib/python3/dist-packages
Please input the desired Python library path to use.      Default is [/usr/local/lib/python3.5/dist-packages]

Do you wish to build TensorFlow with jemalloc as malloc     support? [Y/n]: 
jemalloc as malloc support will be enabled for TensorFlow.

Do you wish to build TensorFlow with Google Cloud Platform     support? [Y/n]: 
Google Cloud Platform support will be enabled for TensorFlow.

Do you wish to build TensorFlow with Hadoop File System     support? [Y/n]: 
Hadoop File System support will be enabled for TensorFlow.

Do you wish to build TensorFlow with Amazon S3 File System     support? [Y/n]: 
Amazon S3 File System support will be enabled for TensorFlow.

Do you wish to build TensorFlow with XLA JIT support? [y/N]: 
No XLA JIT support will be enabled for TensorFlow.

Do you wish to build TensorFlow with GDR support? [y/N]: 
No GDR support will be enabled for TensorFlow.

Do you wish to build TensorFlow with VERBS support? [y/N]: 
No VERBS support will be enabled for TensorFlow.

Do you wish to build TensorFlow with OpenCL support? [y/N]: 
No OpenCL support will be enabled for TensorFlow.

Do you wish to build TensorFlow with CUDA support? [y/N]: 
No CUDA support will be enabled for TensorFlow.

Do you wish to build TensorFlow with MPI support? [y/N]: 
No MPI support will be enabled for TensorFlow.

Please specify optimization flags to use during compilation     when bazel option "--config=opt" is specified [Default is     ch=native]: 


Add "--config=mkl" to your bazel command to build with MKL     support.
Please note that MKL on MacOS or windows is still not     supported.
If you would like to use a local MKL instead of downloading,     please set the environment variable "TF_MKL_ROOT" every time   fore build.
Configuration finished
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47

• 啟動(dòng)編譯

編譯 CPU 版本使用下面的命令：

$ bazel build --config=opt //tensorflow/tools/pip_package:build_pip_package
1

編譯 GPU 版本使用下面的命令：

$ bazel build --config=opt --config=cuda //tensorflow/tools/pip_package:build_pip_package 
1

編譯成功會(huì)打印下面的信息，我編譯用了將近30分鐘

INFO: Elapsed time: 1605.225s, Critical Path: 44.86s
INFO: Build completed successfully, 4223 total actions
1
2

使用下面的命令將編譯結(jié)果打包成whl文件，并放到/tmp/tensorflow_pkg目錄

$ bazel-bin/tensorflow/tools/pip_package/build_pip_package /tmp/tensorflow_pkg
1

最終編譯出來的whl文件名會(huì)根據(jù)使用的 Python 版本，以及電腦配置而不同，比如我的電腦使用 Python 3.5 編譯出來的就是tensorflow-1.4.1-cp35-cp35m-linux_x86_64.whl

• 安裝

使用 pip 或者 pip3 安裝前面編譯出來的whl文件

$ sudo pip3 install /tmp/tensorflow_pkg/tensorflow-1.4.1-cp35-cp35m-linux_x86_64.whl
1

驗(yàn)證 TensorFlow

安裝完成后可以先運(yùn)行一段代碼驗(yàn)證一下 TensorFlow 是否安裝成功：

• 啟動(dòng)一個(gè)命令終端
• 啟動(dòng) Python

$ python    # for Python 2.7
$ python3   # for Python 3.n   
1
2

• 執(zhí)行下面的代碼

# Python
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))
1
2
3
4
5

• 如果運(yùn)行第一句import tensorflow as tf時(shí)沒有報(bào)錯(cuò)ImportError: No module named tensorflow，就說明 TensorFlow 安裝成功了
• 如果執(zhí)行完最后一句打出Hello, TensorFlow!，說明 TensorFlow 可以正常運(yùn)行

卸載 TensorFlow

如果是通過 pip 或 pip3 安裝的 TensorFlow，可以使用下面的命令卸載 TensorFlow

$ sudo pip uninstall tensorflow  # for Python 2.7
$ sudo pip3 uninstall tensorflow # for Python 3.n
1
2