原文站点:
简单介绍在Linux服务器的个人目录下安装TensorFlow。TensorFlow的安装方法有多种,基于Pip的安装、基于Docker的安装、基于VirtualEnv的安装、基于Anaconda的安装,以及从源码编译安装,那些在官网均有介绍linux服务器环境安装,这儿简单记录下基于Anaconda安装的技巧。
安装Anaconda
Anaconda是一个集成许多第三方科学估算库的Python科学估算环境,Anaconda使用conda作为自己的包管理工具,同时具有自己的估算环境,类似Virtualenv。和Virtualenv一样,不同Python工程须要的依赖包,conda将其储存在不同的地方。TensorFlow上安装的Anaconda不会对之前安装的Python包进行覆盖。
-步入Anaconda官网下载页面,选择合适版本直接下载,或则在个人终端目录下,使用wget命令linux服务器环境安装,示例如下:
wget https://repo.continuum.io/archive/Anaconda2-4.4.0-Linux-x86_64.sh
bash Anaconda2-4.4.0-Linux-x86_64.sh
export PATH="/$HOME/anaconda2/bin:$PATH"
据悉,还需在~/.zshrc文件添加相关路径,否则在前面执行conda命令时,可能会出现错误信息:zsh:commandnotfound:conda。在.zshrc文件的#Userconfiguration处追加
export PATH = "$PATH:$HOME/anaconda/bin"
添加完路径后分别执行以下命令使之生效
source ~/.bashrc
source ~/.zshrc
安装TensorFlow
conda create -n tensorflow
#也可指定Python版本
conda create -n tensorflow python=2.7
source activate tensorflow
pip install --ignore-installed --upgrade tfBinaryURL
pip install --ignore-installed --upgrade
https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.2.1-cp27-cp27mu-manylinux1_x86_64.whl
pip install tensorflow #CPU版本
pip install tensorflow-gpu #GPU版本
source deactivate tensorflow
测试
python
>>> import tensorflow as tf
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess = tf.Session()
>>> print(sess.run(hello))
Hello, TensorFlow!
注意事项
安装GPU版本的TensorFlow时redhat linux 9.0下载,须要使用NVIDIA的主板linux vps,并安装和配置CUDA和CUDNN环境。
通常对于多用户使用的服务器,系统主目录下就会安装有Python类库(甚至是多个版本)。对于大多数用户而言都不具备管理员权限,在借助pip命令安装一些Python依赖库时会失败,因而在个人目录下安装集成的Anaconda环境,可以有效地与系统自带的Python类库隔离,前提是在.bashrc文件中添加路径
export PATH="$HOME/anaconda2/bin:$PATH"
并执行以下命令使之生效
source ~/.bashrc
这样每次执行python命令都是在个人目录下的Anaconda环境中。假如要与系统Python环境随时切换,可通过给命令起别称的形式,即别称申明alias。
alias python27="/usr/bin/python2.7" #系统Python环境
alias python36="/usr/bin/python3.6"
alias pyana="/home/myname/anaconda2/bin/python2.7" #个人Python环境,精确到版本路径
使用系统自带的Python时,执行Python27或则Python36命令即可;使用Anaconda时,执行pyana或则python命令。将上述命令添加到.bashrc文件中,这样每次开机都不须要重新输入。
conda的简单命令
conda create -n [name] #创建名为name的conda环境,如tensorflow
source activate [name] #激活并进入创建的环境
source deactivate [name] #退出名为name的环境,回到系统默认环境
conda remove -n [name] --all #删除创建的conda环境
conda info -envs #查看所安装环境列表,创建的环境都在`~/anaconda2/envs/`目录下面
conda list #查看已经安装的包
conda install [packagename] #安装具体的包,加-n [name]可以安装到指定环境
conda list -n [name] #name环境下安装了哪些包
conda update -n [name] [packagename] #升级name环境的名为packagename的包
conda remove -n [name] [packagename] #删除name环境的名为packagename的包
reference