Linux安装Tensorflow

https://blog.csdn.net/cs_hnu_scw/article/details/79695347

版本：Linux（Ubuntu14.0.1）
三：Linux环境安装Tensorflow（通过Anaconda方式）

步骤：（1）下载Anaconda的Linux版本   https://www.anaconda.com/download/#linux

从官网的路径进行下载，一般都很慢，所以，大家可以去这个地址进行下载(或者在进行留言也可以)：https://download.csdn.net/download/cs_hnu_scw/10389323

（2）运行下载好的Anaconda,找到下载的目录，然后执行命令：bash XXXXXXXXX（就是Anaconda文件的名字）

（3）一直等待安装完成即可；

当出现下面这个的时候：

强烈注意一点：在安装的时候，会提示你是否要将这个添加到环境变量中，最好选择Yes，要不然每次都要进行额外的手动添加，非常的不方便，所以强烈建议直接添加到环境变量中；

（4）当执行完成上面的步骤之后，对Anaconda 的环境进行测试；

执行命令：conda --version （作用：查看当前Anaconda的版本）

如果，出现对应的安装版本，那么就表示安装成功，可以继续后面的安装步骤。

（5）添加tensorflow的环境。执行命令：conda create -n tensorflow python=3.5（版本的话，我个人比较喜欢3.X+版本）。当执行完成之后，就根据提示，进行输入yes就可以了，慢慢等待。

（6）激活环境，执行命令：source activate tensorflow （作用：进入到tensorflow的环境）

（7）激活tensorflow的环境，执行命令：

pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.8.0rc0-cp27-none-linux_x86_64.whl

千万要注意一个地方：如果你安装的python的版本是2.7.那么就用上面的地址，即可，如果你用了3.5版本，那么久需要对应的修改为如下链接：（其他版本类似修改）

pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.12.1-cp35-cp35m-linux_x86_64.whl

（8）执行完之后，剩下的就只有等待了，，，对于出现的提示，全部都是“yes”即可。

（9）安装完成之后，进行测试。

具体步骤：

1：在tensorflow的环境下，执行命令：python      （作用：表示进入python环境）

2：然后输入代码（这个其实和windows安装的时候测试时一样）：

    import tensorflow as tf
    hello = tf.constant('first tensorflow')
    sess = tf.Session()
    print sess.run(hello)

如果：输出first tensorflow ，那么就表示安装成功了。

补充内容：

1：当需要退出python环境，即执行Ctrl+D或者输入quit即可

2：退出tensorflow环境，source deactivate

3：激活tensorflow环境，source activate tensorflow
四：Pycharm整合tensorflow环境

（1）下载Pycharm，这个就自己到官网下载Linux的社区版本即可，然后对其下载的文件进行相应的解压命令处理就可以了，另外的话，注意一点，在Linux中运行Pycharm不是直接点击就运行，而是需要找到对应的目录下（bin目录），然后执行命令：sh pycharm.sh 即可运行Pycharm。

（2）这个其实和windows的整合方式是一样的，只是说tensorflow的路径是不一样的而已，所以，大家可以参考上面对于Windows版本的详细配置过程即可，这里就不多说了。

---------------------------------------------------------------------------------------------------------------------------------
五：Tensorflow的案例实践

（1）案列实践：通过百度云盘下载我分享的内容即可，里面的内容都是封装好的，所以应该能看懂

项目链接：https://pan.baidu.com/s/1-TelzkLHodDNsdX6G82ZOg       密码：b05p

温馨提示：（1）在运行这个代码的时候，会出现ImportError: No module named 'matplotlib'，这是因为你python中缺少了这个包，所以需要进行额外添加；或者进入tensorflow的环境，然后通过pip install matplotlib

解决办法：进入cmd，然后conda install matplotlib ，，然后等安装成功即可，这时候就会找到从而解决这个问题；

（2）手写数字的识别案例：

数据：https://pan.baidu.com/s/1UC6uBPPOBzZhYvNV93RgNw

代码：

    #!/usr/bin/python
    # -*- coding:utf-8 -*-
    # @Time   : 2018/3/30 0030 15:20
    # @Author : scw
    # @File   : writenumbercompute.py
    # 描述：进行手写数字的识别的实例分析
    import tensorflow as tf
     
    from tensorflow.examples.tutorials.mnist import input_data
     
    # 获取数据
    mnist = input_data.read_data_sets("E:/tensorflowdata/MNIST_data/", one_hot=True)
     
    print('训练集信息：')
    print(mnist.train.images.shape,mnist.train.labels.shape)
    print('测试集信息：')
    print(mnist.test.images.shape,mnist.test.labels.shape)
    print('验证集信息：')
    print(mnist.validation.images.shape,mnist.validation.labels.shape)
     
    # 构建图
    sess = tf.InteractiveSession()
    x = tf.placeholder(tf.float32, [None, 784])
    W = tf.Variable(tf.zeros([784,10]))
    b = tf.Variable(tf.zeros([10]))
     
    y = tf.nn.softmax(tf.matmul(x,W) + b)
     
    y_ = tf.placeholder(tf.float32, [None,10])
    cross_entropy = tf.reduce_mean(-tf.reduce_sum(y_ * tf.log(y),reduction_indices=[1]))
    train_step = tf.train.GradientDescentOptimizer(0.5).minimize(cross_entropy)
     
    # 进行训练
    tf.global_variables_initializer().run()
     
    for i in range(1000):
      batch_xs, batch_ys = mnist.train.next_batch(100)
      train_step.run({x: batch_xs, y_: batch_ys})
     
    # 模型评估
    correct_prediction = tf.equal(tf.argmax(y,1), tf.argmax(y_,1))
    accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
     
    print('MNIST手写图片准确率：')
    print(accuracy.eval({x: mnist.test.images, y_: mnist.test.labels}))

（3）拨号键与短信息图标的识别

功能描述：主要是实现对于拨号键图标与短信息键图标的一个识别，作为一个简单的分类Demo。

百度云地址：链接：https://pan.baidu.com/s/1MC7Recml5laTsrHBQ94NcA               密码：nwxj

（4）人脸捕捉和识别

功能描述：对于某个特定的人物进行捕捉，并且能识别是否是训练中的人脸，作为一个人脸识别的Demo。

由于这个数据集太多了，百度云不让传，所以，如果有需要的同学，可以留言，我会每天都进行查看消息的。

github地址：https://github.com/qq496616246/FaceCheckPython.git

或者[email protected]:qq496616246/FaceCheckPython.git

（5）简单的网页爬虫

功能描述：非常简单，容易上手的网页爬虫小Demo。

百度云地址：链接：https://pan.baidu.com/s/1FzIzmfYON9pUpms3GyVQqQ           密码：5di1
六：安装的一些额外库的方法

（1）安装cv2：pip install opencv-python

（2）安装人脸识别的库：pip install dlib == 18.17.100

（3）安装机器学习的库：pip install sklearn

（4）安装scipy库：pip install scipy

（5）安装numpy库：pip install numpy

（6）安装Pillow图像库：pip install Pillow

（7）安装matplotlib绘图库：pip install matplotlib

（8）升级pip：python -m pip install -U pip
七：常见的一些问题汇总

（1）问题：在cmd中，输入conda 命令，提示conda不是内部命令

解决方法：在环境变量（系统的Path）中添加：你的Anaconda安装目录下面的Scripts这个目录，比如我的就是，

D:\anacondadownload\Scripts

 
---------------------  
作者：Cs_hnu_scw  
来源：CSDN  
原文：https://blog.csdn.net/cs_hnu_scw/article/details/79695347  
版权声明：本文为博主原创文章，转载请附上博文链接！

 

 

AttributeError: 'module' object has no attribute 'global_variables_initializer'

 

解决方法如下：运行代码中出现这个问题，原因是tensorflow更新了tf.global_variables_initializer()

将其更改为tf.initialize_all_variables()即可解决问题

 

运行程序前注意要先进入tensorflow环境，

source activate tensorflow

 

退出tensorflow环境，source deactivate

 

Tensorflow-报错解决方案

2017年04月19日 10:52:17 激进的小鸡蛋 阅读数：6585

AttributeError: 'module' object has no attribute 'SummaryWriter'

tf.train.SummaryWriter

改为：tf.summary.FileWriter

 

AttributeError: 'module' object has no attribute 'summaries'

tf.merge_all_summaries()

改为：summary_op = tf.summary.merge_all()

AttributeError: 'module' object has no attribute 'histogram_summary'

tf.histogram_summary()

改为：tf.summary.histogram()

tf.scalar_summary()

改为：tf.summary.scalar()

tf.image_summary()

改为：tf.summary.image()

 #tf.global_variables_initializer().run()
tf.initialize_all_variables().run()