下載與安裝
你可以使用我們提供的 Pip, Docker, Virtualenv, Anaconda 或 源碼編譯的方法安裝 TensorFlow.
1. Pip 安裝
Pip 是一個 Python 的軟件包安裝與管理工具.
在安裝 TensorFlow 過程中要涉及安裝或升級的包詳見 列表
1)首先安裝 pip (或 Python3 的 pip3 ):
Ubuntu/Linux 64-bit
$ sudo apt-get install python-pip python-dev
Mac OS X
$ sudo easy_install pip
2)安裝 TensorFlow :
Ubuntu/Linux 64-bit, CPU only, Python 2.7:
$ sudo pip install --upgrade https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.8.0-cp27-none-linux_x86_64.whl
Ubuntu/Linux 64-bit, GPU enabled, Python 2.7. Requires CUDA toolkit 7.5 and CuDNN v4.# For other versions, see "Install from sources" below.
$ sudo pip install --upgrade https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-0.8.0-cp27-none-linux_x86_64.whl
Mac OS X, CPU only:
$ sudo easy_install --upgrade six$ sudo pip install --upgrade https://storage.googleapis.com/tensorflow/mac/tensorflow-0.8.0-py2-none-any.whl
如果是 Python3 :
Ubuntu/Linux 64-bit, CPU only, Python 3.4:
$ sudo pip3 install --upgrade https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.8.0-cp34-cp34m-linux_x86_64.whl
Ubuntu/Linux 64-bit, GPU enabled, Python 3.4. Requires CUDA toolkit 7.5 and CuDNN v4.# For other versions, see "Install from sources" below.
$ sudo pip3 install --upgrade https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-0.8.0-cp34-cp34m-linux_x86_64.whl
Mac OS X, CPU only:
$ sudo easy_install --upgrade six$ sudo pip3 install --upgrade https://storage.googleapis.com/tensorflow/mac/tensorflow-0.8.0-py3-none-any.whl
備注：如果之前安裝過 TensorFlow < 0.7.1 的版本,應該先使用 pip uninstall
卸載 TensorFlow 和 protobuf ,保證獲取的是一個最新 protobuf 依賴下的安裝包.
之后可以測試一下.
2.基于 Docker 的安裝
我們也支持通過 Docker 運行 TensorFlow. 該方式的優點是不用操心軟件依賴問題.
首先, 安裝 Docker. 一旦 Docker 已經啟動運行, 可以通過命令啟動一個容器:
$ docker run -it b.gcr.io/tensorflow/tensorflow
該命令將啟動一個已經安裝好 TensorFlow 及相關依賴的容器.
其它鏡像
默認的 Docker 鏡像只包含啟動和運行 TensorFlow 所需依賴庫的一個最小集. 我們額外提供了 下面的容器, 該容器同樣可以通過上述 docker run
命令安裝:
b.gcr.io/tensorflow/tensorflow-full
: 鏡像中的 TensorFlow 是從源代碼完整安裝的, 包含了編譯和運行 TensorFlow 所需的全部工具. 在該鏡像上, 可以直接使用源代碼進行實驗, 而不需要再安裝上述的任何依賴.
3.基于 VirtualEnv 的安裝
我們推薦使用 virtualenv 創建一個隔離的容器, 來安裝 TensorFlow. 這是可選的, 但是這樣做能使排查安裝問題變得更容易.
首先, 安裝所有必備工具:
在 Linux 上:
'$ sudo apt-get install python-pip python-dev python-virtualenv'
在 Mac 上:
'$ sudo easy_install pip # 如果還沒有安裝 pip'
'$ sudo pip install --upgrade virtualenv'
接下來, 建立一個全新的 virtualenv 環境. 為了將環境建在 ~/tensorflow
目錄下, 執行:
$ virtualenv --system-site-packages ~/tensorflow
$ cd ~/tensorflow
然后, 激活 virtualenv:
$ source bin/activate # 如果使用 bash
$ source bin/activate.csh # 如果使用 csh
(tensorflow)$ # 終端提示符應該發生變化
在 virtualenv 內, 安裝 TensorFlow:
(tensorflow)$ pip install --upgrade <$url_to_binary.whl>
接下來, 使用類似命令運行 TensorFlow 程序:
(tensorflow)$ cd tensorflow/models/image/mnist
(tensorflow)$ python convolutional.py
當使用完 TensorFlow
(tensorflow)$ deactivate # 停用 virtualenv
$ # 你的命令提示符會恢復原樣
4.基于 Anaconda 的安裝
Anaconda 是一個集成許多第三方科學計算庫的 Python 科學計算環境,Anaconda 使用 conda 作為自己的包管理工具,同時具有自己的計算環境,類似 Virtualenv.
和 Virtualenv 一樣,不同 Python 工程需要的依賴包,conda 將他們存儲在不同的地方。 TensorFlow 上安裝的 Anaconda 不會對之前安裝的 Python 包進行覆蓋.
安裝 Anaconda
建立一個 conda 計算環境
激活環境,使用 conda 安裝 TensorFlow
安裝成功后,每次使用 TensorFlow 的時候需要激活 conda 環境
安裝 Anaconda :
參考 Anaconda 的下載頁面的指導
建立一個 conda 計算環境名字叫tensorflow
:
Python 2.7
$ conda create -n tensorflow python=2.7
Python 3.4
$ conda create -n tensorflow python=3.4
激活tensorflow
環境,然后使用其中的 pip 安裝 TensorFlow. 當使用easy_install
使用--ignore-installed
標記防止錯誤的產生。
$ source activate tensorflow
(tensorflow)$ # Your prompt should change
Ubuntu/Linux 64-bit, CPU only, Python 2.7:
(tensorflow)$ pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.8.0rc0-cp27-none-linux_x86_64.whl
Ubuntu/Linux 64-bit, GPU enabled, Python 2.7. Requires CUDA toolkit 7.5 and CuDNN v4.# For other versions, see "Install from sources" below.
(tensorflow)$ pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-0.8.0rc0-cp27-none-linux_x86_64.whl
Mac OS X, CPU only:
(tensorflow)$ pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/mac/tensorflow-0.8.0rc0-py2-none-any.whl
對于 Python 3.x :
$ source activate tensorflow(tensorflow)$ # Your prompt should change
Ubuntu/Linux 64-bit, CPU only, Python 3.4:
(tensorflow)$ pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.8.0rc0-cp34-cp34m-linux_x86_64.whl
Ubuntu/Linux 64-bit, GPU enabled, Python 3.4. Requires CUDA toolkit 7.5 and CuDNN v4.# For other versions, see "Install from sources" below.
(tensorflow)$ pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-0.8.0rc0-cp34-cp34m-linux_x86_64.whl
Mac OS X, CPU only:
(tensorflow)$ pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/mac/tensorflow-0.8.0rc0-py3-none-any.whl
conda 環境激活后,你可以測試
當你不用 TensorFlow 的時候,關閉環境:
(tensorflow)$ source deactivate
$ # Your prompt should change back
再次使用的時候再激活 :-)
$ source activate tensorflow
(tensorflow)$ # Your prompt should change.
Run Python programs that use TensorFlow....
When you are done using TensorFlow, deactivate the environment.
(tensorflow)$ source deactivate
嘗試你的第一個 TensorFlow 程序
(可選) 啟用 GPU 支持
如果你使用 pip 二進制包安裝了開啟 GPU 支持的 TensorFlow, 你必須確保 系統里安裝了正確的 CUDA sdk 和 CUDNN 版本. 請參間 CUDA 安裝教程
你還需要設置 LD_LIBRARY_PATH
和 CUDA_HOME
環境變量. 可以考慮將下面的命令 添加到 ~/.bashrc
文件中, 這樣每次登陸后自動生效. 注意, 下面的命令 假定 CUDA 安裝目錄為 /usr/local/cuda
:
export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda/lib64"export CUDA_HOME=/usr/local/cuda
運行 TensorFlow
打開一個 python 終端:
$ python
>>> import tensorflow as tf
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess = tf.Session()
>>> print sess.run(hello)Hello, TensorFlow!
>>> a = tf.constant(10)
>>> b = tf.constant(32)
>>> print sess.run(a+b)42
>>>
從源碼安裝
克隆 TensorFlow 倉庫
$ git clone --recurse-submodules https://github.com/tensorflow/tensorflow
--recurse-submodules
參數是必須得, 用于獲取 TesorFlow 依賴的 protobuf 庫.
Linux 安裝
安裝 Bazel
首先依照 教程 安裝 Bazel 的依賴. 然后在 鏈接 中下載適合你的操作系統的最新穩定版, 最后按照下面腳本執行：
$ chmod +x PATH_TO_INSTALL.SH$ ./PATH_TO_INSTALL.SH --user
注意把 PATH_TO_INSTALL.SH
替換為你下載的安裝包的文件路徑.
將執行路徑 output/bazel
添加到 $PATH
環境變量中.
安裝其他依賴
For Python 2.7:
$ sudo apt-get install python-numpy swig python-dev python-wheel
For Python 3.x:
$ sudo apt-get install python3-numpy swig python3-dev python3-wheel
可選: 安裝 CUDA (在 Linux 上開啟 GPU 支持)
為了編譯并運行能夠使用 GPU 的 TensorFlow, 需要先安裝 NVIDIA 提供的 Cuda Toolkit 7.0 和 CUDNN 6.5 V2.
TensorFlow 的 GPU 特性只支持 NVidia Compute Capability >= 3.5 的顯卡. 被支持的顯卡 包括但不限于:
NVidia Titan
NVidia Titan X
NVidia K20
NVidia K40
下載并安裝 Cuda Toolkit 7.0
下載地址
將工具安裝到諸如 /usr/local/cuda
之類的路徑.
下載并安裝 CUDNN Toolkit 6.5
下載地址
解壓并拷貝 CUDNN 文件到 Cuda Toolkit 7.0 安裝路徑下. 假設 Cuda Toolkit 7.0 安裝 在 /usr/local/cuda
, 執行以下命令:
tar xvzf cudnn-6.5-linux-x64-v2.tgzsudo cp cudnn-6.5-linux-x64-v2/cudnn.h /usr/local/cuda/includesudo cp cudnn-6.5-linux-x64-v2/libcudnn* /usr/local/cuda/lib64
配置 TensorFlow 的 Cuda 選項
從源碼樹的根路徑執行:
$ ./configure
Do you wish to bulid TensorFlow with GPU support? [y/n] y
GPU support will be enabled for TensorFlowPlease specify the location where CUDA 7.0 toolkit is installed. Refer toREADME.md for more details. [default is: /usr/local/cuda]: /usr/local/cudaPlease specify the location where CUDNN 6.5 V2 library is installed. Refer toREADME.md for more details. [default is: /usr/local/cuda]: /usr/local/cudaSetting up Cuda includeSetting up Cuda lib64Setting up Cuda binSetting up Cuda nvvmConfiguration finished
這些配置將建立到系統 Cuda 庫的符號鏈接. 每當 Cuda 庫的路徑發生變更時, 必須重新執行上述 步驟, 否則無法調用 bazel 編譯命令.
編譯目標程序, 開啟 GPU 支持
從源碼樹的根路徑執行:
$ bazel build -c opt --config=cuda //tensorflow/cc:tutorials_example_trainer
$ bazel-bin/tensorflow/cc/tutorials_example_trainer --use_gpu# 大量的輸出信息.這個例子用 GPU 迭代計算一個 2x2 矩陣的主特征值 (major eigenvalue).# 最后幾行輸出和下面的信息類似.000009/000005 lambda = 2.000000 x = [0.894427 -0.447214] y = [1.788854 -0.894427]000006/000001 lambda = 2.000000 x = [0.894427 -0.447214] y = [1.788854 -0.894427]000009/000009 lambda = 2.000000 x = [0.894427 -0.447214] y = [1.788854 -0.894427]
注意, GPU 支持需通過編譯選項 "--config=cuda" 開啟.
已知問題
盡管可以在同一個源碼樹下編譯開啟 Cuda 支持和禁用 Cuda 支持的版本, 我們還是推薦在 在切換這兩種不同的編譯配置時, 使用 "bazel clean" 清理環境.
在執行 bazel 編譯前必須先運行 configure, 否則編譯會失敗并提示錯誤信息. 未來, 我們可能考慮將 configure 步驟包含在編譯過程中, 以簡化整個過程, 前提是 bazel 能夠提供新的特性支持這樣.
Mac OS X 安裝
Mac 和 Linux 需要的軟件依賴完全一樣, 但是安裝過程區別很大. 以下鏈接用于幫助你 在 Mac OS X 上安裝這些依賴:
Bazel
參見本網頁的 Mac OS X 安裝指南.
SWIG
Mac OS X 安裝教程.
注意: 你需要安裝PCRE, 而不是 PCRE2.
Numpy
參見安裝教程.
創建 pip 包并安裝
$ bazel build -c opt //tensorflow/tools/pip_package:build_pip_package$ bazel-bin/tensorflow/tools/pip_package/build_pip_package /tmp/tensorflow_pkg# .whl 文件的實際名字與你所使用的平臺有關$ pip install /tmp/tensorflow_pkg/tensorflow-0.5.0-cp27-none-linux_x86_64.whl
訓練你的第一個 TensorFlow 神經網絡模型
從源代碼樹的根路徑執行:
$ cd tensorflow/models/image/mnist
$ python convolutional.py
Succesfully downloaded train-images-idx3-ubyte.gz 9912422 bytes.Succesfully downloaded train-labels-idx1-ubyte.gz 28881 bytes.Succesfully downloaded t10k-images-idx3-ubyte.gz 1648877 bytes.Succesfully downloaded t10k-labels-idx1-ubyte.gz 4542 bytes.Extracting data/train-images-idx3-ubyte.gzExtracting data/train-labels-idx1-ubyte.gzExtracting data/t10k-images-idx3-ubyte.gzExtracting data/t10k-labels-idx1-ubyte.gzInitialized!Epoch 0.00Minibatch loss: 12.054, learning rate: 0.010000Minibatch error: 90.6%Validation error: 84.6%Epoch 0.12Minibatch loss: 3.285, learning rate: 0.010000Minibatch error: 6.2%Validation error: 7.0%......
常見問題
1.GPU 相關問題
如果在嘗試運行一個 TensorFlow 程序時出現以下錯誤:
ImportError: libcudart.so.7.0: cannot open shared object file: No such file or directory
請確認你正確安裝了 GPU 支持, 參見 相關章節.
2.在 Linux 上
如果出現錯誤:
... "add", "radd", ^SyntaxError: invalid syntax
解決方案: 確認正在使用的 Python 版本為 Python 2.7.
3.在 Mac OS X 上
如果出現錯誤:
import six.moves.copyreg as copyregImportError: No module named copyreg
解決方案: TensorFlow 使用的 protobuf 依賴 six-1.10.0
. 但是, Apple 的默認 python 環境 已經安裝了 six-1.4.1
, 該版本可能很難升級. 這里提供幾種方法來解決該問題:
升級全系統的 six
:
sudo easy_install -U six
通過 homebrew 安裝一個隔離的 python 副本:
brew install python
4.在virtualenv
內編譯或使用 TensorFlow.
如果出現錯誤:
import tensorflow as tfTraceback (most recent call last): File "<stdin>", line 1, in <module> File "/usr/local/lib/python2.7/site-packages/tensorflow/init.py", line 4, in <module> from tensorflow.python import * File "/usr/local/lib/python2.7/site-packages/tensorflow/python/init.py", line 13, in <module> from tensorflow.core.framework.graph_pb2 import *... File "/usr/local/lib/python2.7/site-packages/tensorflow/core/framework/tensor_shape_pb2.py", line 22, in <module> serialized_pb=_b('\n,tensorflow/core/framework/tensor_shape.proto\x12\ntensorflow"d\n\x10TensorShapeProto\x12-\n\x03\x64im\x18\x02 \x03(\x0b\x32 .tensorflow.TensorShapeProto.Dim\x1a!\n\x03\x44im\x12\x0c\n\x04size\x18\x01 \x01(\x03\x12\x0c\n\x04name\x18\x02 \x01(\tb\x06proto3')TypeError: init() got an unexpected keyword argument 'syntax'
這是由于安裝了沖突的 protobuf 版本引起的, TensorFlow 需要的是 protobuf 3.0.0. 當前 最好的解決方案是確保沒有安裝舊版本的 protobuf, 可以使用以下命令重新安裝 protobuf 來解決 沖突:
brew reinstall --devel protobuf
