Python3.6 安装Tensorflow初体验

Google总是一个能够让人感到兴奋的公司，今天看了李飞飞的博客宣称发布云视频智能接口程序，就是基于Tensorflow的，感觉其强大之外，就是Google对产品的生态系统搭建已经有了很成熟的进步，真是按捺不住内心的澎湃，也是为了平复最近烦躁的心情。

A. 我安装Tensorflow的机器是操作系统为macOS Sierra，系统自带的Python是2.6， 因为比较喜欢Python3.x的语法，因此打算基于最新的python3.6. 开始安装之前，看到网上很多基于Python3.x版本的安装过程遇到很多问题，看到一位仁兄用anaconda来安装Tensorflow成功了，所以我也打算这么做，虽然我觉得miniconda更轻便，灵活，但是考虑到tensorflow依赖的安装package还是挺多的。

安装Anaconda很顺利，也很简单，mac版下载地址：https://www.continuum.io/downloads#osx

安装好Anaconda后，需要创建一个虚拟工作环境，使用Anaconda能创建自己的计算环境，相当于将tensorflow的环境与其他环境做了隔离，这样你就可以随便玩tensorflow也不用担心破坏之前的环境！

$ conda create -n tensorflow python=3.6

创建了tensorflow的隔离环境后，要做的是激活tensorflow环境，然后用pip安装TensorFlow

$ source activate tensorflow 

B. 接下来就是跟随Google tensorflow的安装向导，逐步开始安装TensorFlow。虽然TensorFlow支持从conda直接安装，但是google同时也声明，conda并没有得到官方的支持，Google还是推荐通过pip来安装，因为我已经用了python3.6 所以需要安装 pip3， 在安装pip3的过程中遇到了一些问题，anaconda中安装的pip的确是最新的，但是后面如果使用pip安装tensorflow，就会选择自动适配Python2.7，这里也是耽误我最多时间的过程，随后找到了一个解决方案，与大家分享一下：http://vinyll.scopyleft.fr/install-python3-and-pip-on-a-mac-os/ 也就是说,anaconda 并没有pip3的引用，你需要自己创建一个pip3的软连接，这样你就可以使用pip3了。后面也的确证实，只有pip3才能够适配Python3.6来安装tensorflow。

$ ln -s /Users/xa/anaconda3/bin/pip /Users/xa/anaconda3/bin/pip3

我安装的pip版本相对较高，Google安装文档建议使用pip3命令来安装TensorFlow TensorFlow需要的所有包进入被激活的Virtualenv环境:

$ pip3 -V

pip 9.0.1 from /Users/weijun/anaconda3/lib/python3.6/site-packages (python 3.6)

C, $ pip3 install --upgrade tensorflow

 $ pip3 install --upgrade \
 https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-1.0.1-py3-none-any.whl
 接下来就是等待了，如果你有代理，亦或者足够幸运的话，2分钟就可以搞定tensorflow的安装过程。

D. 测试一下我们安装的Tensorflow

首先保证你是在激活的虚拟环境中，也就是我们第一步骤中提及的

启动python3.6

(root) weijuns-mbp:Documents weijun$ python
Python 3.6.0 |Anaconda 4.3.0 (x86_64)| (default, Dec 23 2016, 13:19:00)
[GCC 4.2.1 Compatible Apple LLVM 6.0 (clang-600.0.57)] on darwin
Type "help", "copyright", "credits" or "license" for more information.
>>> import tensorflow as tf
>>> node1 = tf.constant(3.0, tf.float32)
>>> node2 = tf.constant(4.0)
>>> print(node1, node2)
Tensor("Const:0", shape=(), dtype=float32) Tensor("Const_1:0", shape=(), dtype=float32)
>>> sess = tf.Session()
W tensorflow/core/platform/cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use SSE4.1 instructions, but these are available on your machine and could speed up CPU computations.
W tensorflow/core/platform/cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use SSE4.2 instructions, but these are available on your machine and could speed up CPU computations.
W tensorflow/core/platform/cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use AVX instructions, but these are available on your machine and could speed up CPU computations.
W tensorflow/core/platform/cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use AVX2 instructions, but these are available on your machine and could speed up CPU computations.
W tensorflow/core/platform/cpu_feature_guard.cc:45] The TensorFlow library wasn't compiled to use FMA instructions, but these are available on your machine and could speed up CPU computations.
>>> print(sess.run([node1, node2]))
[3.0, 4.0]

至此tensorflow 基于Python3.6就算安装成功了！

接下来我们进入tensorflow另外一个精彩的组件 tensorboard，启动tensorboard的命令如下：

$ python -m tensorflow.tensorboard --logdir=~/Documents/path/to/logs