【深度学习】TensorFlow环境配置及pycharm安装和使用

【深度学习】TensorFlow环境配置及pycharm安装和使用

本文介绍了TensorFlow的环境配置方法，使用pip安装，以及安装可视化python编辑器pycharm。

目录

---

1 使用pip安装

1.1 安装pip

apt-get install python-pip python-dev

1.2 安装仅支持cpu的TensorFlow （upgrade至最新版本）

pip install --upgrade 
https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-X.X.X-cp27-none-linux_x86_64.whl

注意更改X.X.X版本号,运行不同代码对应不同版本的TF

1.3 安装cuda8.0&&cudnn5.1.10

过程参考 http://www.bijishequ.com/detail/529611?p=

1.4 安装gpu版本TensorFlow

见到书中说：安装cuda8.0和cudnn之后，因为cuda版本高，需要从源代码编译安装，千万不要！绝对如了很多坑。安装方法同cpu版本:

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

嫌终端网速慢可以先下载文件：(以1.2.0为例)
https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.2.0-cp27-none-linux_x86_64.whl
再对下载好的文件进行安装：

 pip install tensorflow_gpu-1.2.0-cp27-none-linux_x86_64.whl

1.5 查看TensorFlow安装版本和安装路径

python
>>> import tensorflow as tf
>>> tf.__version__
>>>tf.__path__

1.6 验证安装

$ python
>>> from tensorflow.python.client import device_lib
>>> print device_lib.list_local_devices()

会得到如下信息,证明GPU和CPU都安装成功

[name: “/cpu:0”
device_type: “CPU”
memory_limit: 268435456
locality {
}
incarnation: 9675741273569321173
, name: “/gpu:0”
device_type: “GPU”
memory_limit: 11332668621
locality {
bus_id: 1
}
incarnation: 7807115828340118187
physical_device_desc: “device: 0, name: Tesla K80, pci bus id: 0000:00:04.0”
]

2 安装可视化python编辑器pycharm

2.1 下载安装包

http://www.jetbrains.com/pycharm/

2.2 解压 tar.gz

tar -zxvf xx.tar.gz

2.3 安装

在pycharm-community-2017.2.3/bin目录下 ，运行命令：

sh ./pycharm.sh

其余步骤默认同意

2.4 关联.py文件

点击一个py脚本右键属性修改默认程序即可

2.5 注释代码

快捷键
Ctrl+/

2.6 与TensorFlow工程一起使用

1 File下openTensorflow工程,在project下可直接打开不同的py脚本
2 打开的py文件名上右键 Run+文件名 即可运行
3 出现bug双击定位，且容易调试

---

References:
[1].深度学习（四十一）cuda8.0+ubuntu16.04+theano、caffe、tensorflow环境搭建
http://blog.csdn.net/hjimce/article/details/51999566
[2].CUDA安装和测试
http://blog.csdn.net/u012235003/article/details/54575758