ubuntu环境下配置tensorflow-cpu

目录

1 这是在本地环境下的tensorflow配置

2下载anaconda来隔离环境，创建环境

3、配置anaconda：

4、启动Tensorflow开发环境

---

我个人是从ubuntu系统开始，先配置tensorflow-cpu，然后配置tensorflow-gpu，本文先说tensorflow-cpu

cpu-tensorflow、 ubuntu 从0开始

##################################

1 这是在本地环境下的tensorflow配置

###############################

cat /etc/issue 查看版本号

python -v

 

 

 

 

 

　　另：python2.7和3.5版本之间随意切换（这里3.5切换回2.7版本）：

1 sudo rm /usr/bin/python

2 sudo ln -s /usr/bin/python2.7 /usr/bin/python

 

 

　pip3 install tensorflow （python3.x的版本，支持CPU）

 

如何退出python的编译模式

Ctrl-D退出命令行。

 

测试tensorflow是否安装成功

python

import tensorflow as tf

hello=tf.constant('hello tensorflow!')\

sess=tf.Session()

print(sess.run(hello))

 

#######################################

2下载anaconda来隔离环境，创建环境

#######################################

anaconda

firefox登入https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/下载anaconda35.0.1

cd home/tt/Downloads

安装

bash /home/tingting/Downloads/Anaconda2-4.0.0-Linux-x86_64.sh 

 

打开新的terminal,输入Jupyter notebook,发现jupyter被成功安装了 

 

conda create -n tensorflow python=3.6 #创建虚拟环境

source activate tensorflow

下面可以直接下载tensorflow1.3的不会报错

pip install --ignore-installed --upgrade tfBinaryURL

tfBinaryURL可在清华大学开源软件网站查得，选择cpu/gpu、安装系统、python版本及tensorflow版本后会自动生成。如选择cpu、Linux系统、cp36版本的python、1.4.0的Tensorflow后生成：https://mirrors.tuna.tsinghua.edu.cn/tensorflow/linux/cpu/tensorflow-1.4.0-cp36-cp36m-linux_x86_64.whl 

 

发现版本有问题1.4会报错

 

cd /home/ucandoit/anaconda3/envs/ rm -r tensorflow/ ls #查看tensorflow文件夹是否删除。如果已删除成功，再次运行创建tensorflow环境命令即可。

source activate tensorflow

 

pip install tensorflow==1.3.0

降级之后就没有报错了

#####################################

3、配置anaconda：

########################

 

anaconda-navigator #启动anaconda。

在左侧列表中，选择Environment，可看到Anaconda中安装环境为root和tensorflow。选择Tensorflow后，边上会出现一个箭头，这时就可以在右边的列表中查看、安装、卸载Tensorflow下的软件及软件包了。 

安装的软件可在anaconda->home下查看，同样需要选择应用环境。

ipython # terminal下运行python语句,支持自动补全 spyder # 集成开发环境 jupyter # 交互式笔记本

3

根据需要安装的python库有：

numpy pandas matplotlib ......

########################################

4、启动Tensorflow开发环境

########################################

 

有两种方法，方法一，通过anaconda启动：

 

anaconda-navigator

#启动anaconda->home->(Applications on)tensorflow，启动相关开发软件

 

方法二，通过terminal启动：（到后来基本采用这种方法）

 

source activate tensorflow # 激活Tensorflow环境

python # 或ipython或Spyder启动开发环境

 

 

至此，cpu-tensorflow配置完成

###################################################