配置深度学习主机与环境（TensorFlow+1080Ti）：（四）基于Anaconda的TensorFlow安装

配置深度学习主机与环境（TensorFlow+1080Ti）：
（一）硬件选购与主机组装
（二）Win10&Ubuntu双系统与显卡驱动安装
（三）CUDA与CUDNN安装
（四）基于Anaconda的TensorFlow安装

---

0. 概念介绍

Anaconda

Anaconda是一个用于科学计算的Python发行版，支持 Linux, Mac, Windows系统，提供了包管理与环境管理的功能，可以很方便地解决多版本python并存、切换以及各种第三方包安装问题。Anaconda利用工具/命令conda来进行package和environment的管理，并且已经包含了Python和相关的配套工具。
这里先解释下conda、anaconda这些概念的差别。conda可以理解为一个工具，也是一个可执行命令，其核心功能是包管理与环境管理。包管理与pip的使用类似，环境管理则允许用户方便地安装不同版本的python并可以快速切换。Anaconda则是一个打包的集合，里面预装好了conda、某个版本的python、众多packages、科学计算工具等等，所以也称为Python的一种发行版。其实还有Miniconda，顾名思义，它只包含最基本的内容——python与conda，以及相关的必须依赖项，对于空间要求严格的用户，Miniconda是一种选择。

来源：PeterYuan-Anaconda使用总结

TensorFlow

TensorFlow™ 是一个采用数据流图（data flow graphs），用于数值计算的开源软件库。节点（Nodes）在图中表示数学操作，图中的线（edges）则表示在节点间相互联系的多维数据数组，即张量（tensor）。它灵活的架构让你可以在多种平台上展开计算，例如台式计算机中的一个或多个CPU（或GPU），服务器，移动设备等等。TensorFlow 最初由Google大脑小组（隶属于Google机器智能研究机构）的研究员和工程师们开发出来，用于机器学习和深度神经网络方面的研究，但这个系统的通用性使其也可广泛用于其他计算领域。

更多介绍可以参考：TensorFlow 中文社区

2. 安装Anaconda

1. 下载Anaconda
   选择Anaconda官方网站下载，考虑到Python2.7不可或缺的地位，选择Python2.7 64-BIT版本下载，当然Python3.6 也可以。
   
   

   Anaconda 下载
   
   如果觉得Anaconda官方网站下载速度过慢，可以选择：

• Anaconda installer archive
• 清华大学开源软件镜像站：Anaconda
• 安装Anaconda
  打开终端，输入：bash Anaconda2-4.4.0-Linux-x86_64.sh开始安装。下图中作者手抖下错了版本，后面重新卸载后，换回了新版本。
  
  
  安装过程中各种选项，选择默认即可。
  注意：

Do you wish the installer to prepend the Anaconda2 install location to PATH in your /home/dexter/.bashrc ? [yes|no]

请选择 yes 则会自动配置环境变量，无需自己手动添加。

配置环境

安装完毕后可以打开终端，输入 conda --version查询conda版本。

3. 安装TensorFlow

TensorFlow的安装方式有很多，在此选择使用基于Anaconda的安装方式。实际上到这一步后安装TF已经非常简单， 官方文档也有着简洁明了的指导，建议自习阅读，安装出现问题，一般都可以查阅 官方文档。

1. 使用conda指令创建虚拟环境
   打开终端，输入conda create --nane tensorflow python=2.7,其中“tensorflow”是新创建的环境（容器）名称，你也可以选择其他命名。
   
   

   创建新环境
   关于如何激活、关闭环境，安装过程中也有提示：

# To activate this environment, use:
# > source activate tensorflow
# 
# To deactivate this environment, use:
# > source deactivate tensorflow

2. 在新创建的虚拟环境TensorFlow（容器）中安装TensorFlow
   
   

   官方安装流程
   打开终端，输入 source activate tensorflow 激活新创建的容器。
   
   

   tensorflow安装
   输入：

 (tensorflow)$ pip install --ignore-installed --upgrade tfBinaryURL

末尾的tfBinaryURL请用如下链接替换：

https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.2.1-cp27-none-linux_x86_64.whl

以上链接为TensorFlow（GPU）1.2.1版本。如果只需要安装CPU版本（无需CUDA&cuDNN），请用如下链接替换tfBinaryURL：

https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.2.1-cp27-none-linux_x86_64.whl

3. 确认安装情况

   
   
   

   Validate your installation

Invoke python from your shell as follows:
$ **python**
Enter the following short program inside the python interactive shell:

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

If the system outputs the following, then you are ready to begin writing TensorFlow programs:
Hello, TensorFlow!
If you are new to TensorFlow, see Getting Started with TensorFlow.
If the system outputs an error message instead of a greeting, see Common installation problems.

Hello, Dexter~

至此，基于Anaconda的TensorFlow安装成功。

4. 启动IDE

因为是在Anaconda中安装的TensorFlow，推荐使用Anaconda自带的IDE：Spyder。启动方法：
打开终端，激活tensorflow环境

source activate tensorflow

输入：spyder 指令，稍等即可打开spyder3（环境还是python2.7）。

spyder3

再右下角的console中输入：

import tensorflow as tf

如果系统没有报错，则可以正常使用IDE，可以运行上图中的MNIST程序验证。如果显示没有tensorflow这个module或者文件不存在，则可能没能统一编译环境。解决方法如下：

• 关闭spyder，在已经激活的tensorflow环境中输入：

conda install spyder

重新安装spyder，可能这个过程比较慢，涉及的包特别多，下载速度堪忧。安装好之后再次在tensorflow环境中输入spyder打开IDE，再尝试：

import tensorflow as tf

如果没问题即可，如果依旧显示无法找到tf模块，可参照以下方法。

• 打开一个新终端，输入：

# 删除tensorflow环境
conda remove -n python27 tensorflow

然后重新安装tensorflow，在版本选择时，选择1.2.0版本。即，将tfBinaryURL中的1.2.1替换为1.2.0：

https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.2.0-cp27-none-linux_x86_64.whl

后面步骤照旧，如果无法import，再次重新安装spyder，即可。

5. 参考资料

1. PeterYuan：Anaconda使用总结

• Installing TensorFlow on Ubuntu
• Linux下Anaconda的安装使用与卸载
• 下载与安装 - TensorFlow 官方文档中文版 - 极客学院Wiki
• TensorFlow 中文社区
• Making a Deep Learning Server