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
##################################
###############################
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))
#######################################
#######################################
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
#####################################
########################
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 ......
########################################
########################################
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
###################################################