www.2527.com_澳门新葡8455手机版_新京葡娱乐场网址_
做最好的网站

基于Anaconda的TensorFlow安装笔记

2019-05-05 13:43 来源:未知

  最近在中国大学MOOC平台学习北大的曹健老师上的“人工智能实践——Tensorflow”课程,开始我的人工智能之旅。第一天,讲解如何搭建实验室环境,我是mac系统,所以只写mac系统上的实验室环境安装笔记。在曹健老师的课中,也有windows系统的安装教程,需要的人可以自行前往观看视频。

    转载请注明源出处:

第一次接触Ubuntu,第一次正儿八经的装软件,想说不同的机子,坑也是千奇百怪的,有的机子一句命令就可以搞定了,大不了加一个sudo,或者更换一下源, 然而每个机子有他的脾气,还是一步一步来吧,一路百度,一路满屏飙红报错,不过到最后还是稀里糊涂的装好了,简单记录一下,万一对别人有帮助呢。

  第一步,安装Anaconda

    这篇文章介绍了一下在Windows上安装TensorFlow的步骤,主要是翻译了一下官方的安装指导,官方指导网址:这里。(需要FQ访问)。

准备工作

  网址链接是

1 决定安装哪个版本的TensorFlow

你必须选择下列TensorFlow的其中一种类型进行安装(可以都装):

    仅支持CPU版本的TensorFlow。如果你的系统中没有NVIDIA的GPU,你必须安装这个版本。注意这个版本通常是非常容易安装的,只需要5到10分钟,所以即使你有NVIDIA的GPU,我们也推荐你先装这个版本。

    支持GPU版本的TensorFlow。通常TensorFlow的程序在GPU上运行比CPU快。因此,如果你的系统有满足以下所示的前提条件的NVIDIA的GPU,并且你所需要运行的应用很依赖性能,最终你应该安装这个版本。

1. Ctrl Alt T 打开终端

  第二步,打开网址 with Anaconda,下图圈出来的语句我们会在下一步用到,可去网址上复制粘贴。

2 运行GPU版本的TensorFlow所需条件

    如果你使用本指南介绍的机制之一来安装具有GPU支持的TensorFlow,则系统上必须安装以下NVIDIA软件:

    CUDA® Toolkit 8.0。有关详细信息,请参阅NVIDIA的文档确保将相关的Cuda路径名追加到%PATH%环境变量中,如NVIDIA文档所述。

    与CUDA Toolkit 8.0相关的NVIDIA驱动程序。

    cuDNN v5.1。有关详细信息,请参阅NVIDIA的文档。请注意,cuDNN通常安装在与其他CUDA DLL不同的位置。确保将你安装cuDNN DLL的目录添加到%PATH%环境变量中。

    具有CUDA Compute Capability 3.0或者更高版本的GPU卡。有关支持的GPU卡的列表,请参阅NVIDIA文档。

    以上是官方原文,其实只需要下载两个软件,一个是CUDA8.0,另一个是cuDNN 5.1。第一个软件是一个exe文件,直接点开自动安装就可以了,环境变量会自动添加,在控制台输入:nvcc -V看到下图就是好了:

图片 1

    第二个软件是一个压缩包,解压后放到任意一个文件夹,在系统的Path路径变量下添加路径就可以了。双击此电脑->系统属性->高级系统设置->环境变量->找到PATH变量编辑就可以了,具体如图:

图片 2

    除了根目录,把bin的相关目录也要添加进去,这样这GPU所要的条件就完成了。此处参考文章。这篇文章也给了下载地址。

2. 查看pip

which pip 可以得到 /home/xueshan/anaconda/bin/pipsudo which pip 输入密码后可以得到 /user/local/bin/pip

  图片 3

3 决定如何安装TensorFlow

    你必须选择安装TensorFlow的机制。支持的选择如下:

        "本地"pip

        Anaconda

    本地的pip在你的系统上直接安装TensorFlow,而不需要通过虚拟环境。由于本地pip安装不会在一个封闭的隔离容器中,所以pip安装可能影响你系统上其它基于Python的安装。然而,如果你了解pip和你的Python环境,本地pip安装通常只需要一个命令。并且,如果你使用本地pip安装,用户可以从系统上任何目录运行TensorFlow程序。

    在Anaconda中,你可以使用conda来创建一个虚拟环境。但是,在Anaconda中,我们建议你使用pip install命令,而不是conda install命令。

    注意:conda包是社区支持的,没有正式的支持。也就是说,TensorFlow团队既不测试也不维护这个conda包。使用这个包,你自己要承担风险。

3. 查看python的安装路径

which python 可以得到 /home/xueshan/anaconda/bin/pythonsudo which python 输入密码后可以得到 /user/bin/python

 

4 使用本地的pip安装

    如果你的计算机上未安装以下版本的Python,请立刻安装:

        Python 3.5.x from python.org

    TensorFlow在Windows上只支持3.5.x版本的Python。注意,Python 3.5.x自带了pip3软件包管理器,这是你将用于安装TensorFlow的程序。

    要安装TensorFlow,请启动终端。然后在终端中输入适当的pip3 install命令。要安装CPU-only版本的TensorFlow,请输入下面的命令:

        C:> pip3 install --upgrade tensorflow

    要安装GPU版本的TensorFlow,输入下面的命令:

        C:> pip3 install --upgrade tensorflow-gup

4. 查看python的版本

python --version 结果为Python 2.7.13 :: Anaconda 2.1.0 sudo python --version 结果为 python 2.7.6

根据上面的命令输出结果可以判断本机使用的是anaconda下的python和pip, sudo的pip和python是系统自带的。所以想要安装到anaconda环境下就用anaconda的pip install, 想要安装到系统的python就用sudo pip install

  第三步:根据上图的命令行语句,在mac终端上粘贴输入命令行搭建TensorFlow环境。我输入的语句和效果图依次如下图所示:

5 通过Anaconda安装

    Anaconda安装时社区支持,不是官方支持

    按照以下步骤在Anaconda环境中安装TensorFlow:

    1.按照Anaconda下载网站上的说明下载并安装Anaconda。

    2.通过调用下面命令,创建一个名为tensorflow的conda环境:

        C:> conda create –n tensorflow

    3.通过执行以下命令激活conda环境:

        C:> activate tensorflow

    4.执行合适的命令在你的conda环境中安装TensorFlow。要安装CPU-only版本的TensorFlow,输入以下命令:

        C:> pip install --ignore-installed --upgrade

    要安装GPU版本的TensorFlow,输入以下命令(只是一行):

        C:> pip install --ignore-installed --upgrade

5. 官方提供了4种安装tensorflow的方法:
  • Anaconda
  • native pip
  • virtualenv install
  • Docker

下面分别介绍基于Anacondanative pip安装cpu版tensorflow。

  1、打开mac的终端,用conda命令创建TensorFlow环境并激活(这个环境现在只是名称,就好比我们分配了一个空房间叫做tensorflow,这一步塞进了python这个工具箱,下一步要塞进tensorflow工具箱)。

6 验证你的安装

    通过以下操作来验证你的TensorFlow安装:

    1.启动一个终端

    2.如果你是通过Anaconda安装,请激活你的Anaconda环境

    3.在终端中,调用python:

         C:> python

    4.在python交互式shell中输入以下短程序:

        >>> import tensorflow as tf

            hello = tf.constant('Hello, TensorFlow!')

            sess = tf.Session()

            print(sess.run(hello))

    如果Python程序输出以下内容,则安装成功,你可以开始编写TensorFlow程序了。(如果你是TensorFlow新手,请参阅TensorFlow入门)

图片 4

    如果系统生成了错误信息而不是问候(不清楚为什么多了一个b'),看下一节。(这里没有翻译下一节,如有需要去官网上看,或自行搜索,一般会成功)。

利用Anaconda安装Tensorflow(pip install)

 Ubuntu14.04   python 2.7.13   TensorFlow 1.2.0
  1. 使用sudo lsb_release -a 命令可以查看 Ubuntu 的版本号
  2. 在终端输入下面的命令安装tensorflow
pip install --upgrade https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.2.0-cp27-none-linux_x86_64.whl

但是可能会报错:SSLEerror: The read operation timed out. 因为用的是谷歌的源,可能是因为网速的问题,改用清华的源进行安装:

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple/ https://mirrors.tuna.tsinghua.edu.cn/tensorflow/linux/cpu/tensorflow-1.2.0-cp27-none-linux_x86_64.whl

这里推荐一个TensorFlow 镜像使用帮助,在选择完操作系统、python版本以及安装的tensorflow的版本后将会自动生成安装语句,特别方便。

图片 5一步完成安装过程.jpeg但是在安装过程中依然会报下面的错误:图片 6operation not permitted.jpeg执着的把这条命名又执行了好几次,还是operation not permitted的错误,甚至将anaconda 目录的权限改为777 sudo chmod -R 777 anaconda 还是没有解决问题。但是此时conda list 里边已经出现了tensorflow

  1. 进入python环境,import tensorfflow, 提示错误如下图所示: No module named google.protobuf图片 7No module named google.protobuf.png
  2. 使用conda install protobuf进行安装,pip安装失败了图片 8conda install protobuf.png
  3. 再次进入python环境, import tensorfflow, 提示错误如下图所示: ImportError: cannot import name weakref图片 9cannot import name weakref.png
  4. 使用pip install backports.weakref进行安装,没有解决问题,错误如下:图片 10pip install backports.weakref.png
  5. 将anaconda 目录的权限改为777 sudo chmod -R 777 anaconda ,再次使用pip install backports.weakref进行安装,错误依旧如下图所示:图片 11将anaconda 目录的权限改为777.png
  6. 使用conda install backports.weakref, 完美的解决了问题,个人感觉 pip 安装失败就换conda,毕竟conda的功能更强大图片 12No module named pbr.version.png
  7. 怀着备受打击的心灵,再次import tensorflow, 提示错误如下:ImportError: No module named pbr.version.图片 13No module named pbr.version.png
  8. 翻遍了百度也没有找到解决方案,随意试了一下pip install mock竟然解决了。图片 14No module named pbr.version.png
  9. 今天人品不好,已经打击习惯了,输入import tensorflow看看你还会造什么幺蛾子,错误如下:ImportError:No module named funcsigs.图片 15No module named funcsigs.png
  10. 使用pip install funcsigs进行安装,解决该问题。图片 16Successfully.png
  11. 本来打算输入import tensorflow继续填坑,但是光标迟钝了好久,感觉有戏,果然没有报错,不放心的我还是将测试代码敲完了,看到Hello, tensorflow输出时,感觉终于可以长舒一口气了,上边的那么多错感觉还是挺值得。图片 17Hello, Tensorflow.png

上边安装的机子已经装好了Anaconda,设置好了环境,下面是在裸机上安装的,这个还是相对比较容易的。

  图片 18

利用native pip安装Tensorflow(sudo pip install)

 Ubuntu16.04   python 2.7.12   TensorFlow 1.2.0
  1. 首先执行命令sudo apt-get install python-pip python-dev安装pip
  2. 直接使用清华的镜像源安装tensorflow
sudo pip install -i https://pypi.tuna.tsinghua.edu.cn/simple/ https://mirrors.tuna.tsinghua.edu.cn/tensorflow/linux/cpu/tensorflow-1.2.0-cp27-none-linux_x86_64.whl
  1. 接下来可能会提示下面命令:You should consider upgrading via thepip install --upgrade pipcommand
  2. 所以按照上边的提示进行升级 pip install --upgrade pip
  3. 再次输入安装tensorflow的命令,安装成功
  4. 测试tesorflow是否安装成功
  5. 看一下tensorflow的安装路径, 进入python环境,import tensorflow as tf后输入print tf.__version__, 会得到 /user/local/lib/python2.7/dist-packages/tensorflow/init.pyc, 说明tensorflow确实安装在了系统自带的python下。

 

测试tf-faster-rcnn demo

为了证明安装的tensorflow是有价值的,下载了 tf-faster-rcnn 的代码进行编译。因为安装的是cpu的tensorflow,所以需要改动tf-faster-rcnn的代码,具体步骤可以移步tf-faster-rcnn实战篇,下面做一些补充:

  1. 对三个python文件改动后,按照官网给出的提示进行安装编译
  2. 下载预训练模型,官网默认使用的是voc_2007_trainval voc_2012_trainval,不过执行 ./data/scripts/fetch_faster_rcnn_models.sh 可能会下载模型失败,需要修改第9行的代码 vim fetch_faster_rcnn_models.sh 更换网址,而且下载速度比较慢,可以进入提供的链接单独下载 voc_0712_80k-110k.tgz,在本地解压,再拖到./data/目录下,如果是在服务器上就执行命令scp -r voc_2007_trainval voc_2012_trainval csn@10.102.23.44:/home/csn/Project/tf-faster-rcnn/data上传到服务器
  3. 创建软连接使用预训练的模型
  4. 直接执行./tools/demo.py可视化结果(不用输入GPU_ID=0 CUDA_VISIBLE_DEVICES=${GPU_ID})
  5. 然而并不会看到检测结果,因为还是会接二连三的报一系列错误(ImportError),不过这些错误无非就是缺少模块, 这个比较简单,基本就是提示缺什么就用sudo pip 装什么就解决了: sudo pip install package(这里的package就是缺少的模块),比如:
ImportError: No module named PIL.Image sudo pip install Pillow ImportError: No module named Easydict sudo pip install easydict ImportError: No module named cv2 #比较典型sudo pip install opencv-python 
  1. 接下来就是见证奇迹的时刻:图片 19bus.png

  激活TensorFlow环境。环境激活后,你可以看到下一行你的系统用户名前面会出现(tensorflow)字样,表明进入了tensorflow环境。

screen

利用screen可以方便的管理本地或者远程的程序,在远程登录服务器-训练网络的时候非常有用,即使网络中断了,只要screen没有终止,就可以随时恢复对话并查看结果。这里记录一下常用的screen命令。

screen -S yourname # 新建一个yourname的进程screen -ls # 列出当前所有的进程screen -r yourname # 回到yourname的进程screen -S yourname -X quit # 结束yourname的进程

  图片 20

 

  2、下载tensorflow。在命令行终端输入“

pip install --ignore-installed --upgrade 
https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-1.3.0-py2-none-any.whl

”,考虑到兼容问题,曹健老师建议将官网上的1.6.0版本替换成1.3.0版本。由于是小白,也不敢随便安装版本影响学习体验,因此替换成了1.3.0版本。前面都很顺利,然后本人就在这步蹉跎了较久。在这一步,本人遇到了两个问题,一个是pip的版本问题,对pip进行更新,另外一个是下载地址的问题。

  如果是pip版本问题,出现“You are using pip version 9.0.1, however version 9.0.2 is available.”如下图所示可以解决。

  图片 21

 

  图片 22

  碰到上面的问题的小白,把 https://storage.googleapis.com/ 替换为 https://mirrors.tuna.tsinghua.edu.cn/ 即可。这个办法是在

  图片 23

 

  第四步,检查是否安装成功。最后退出tensorflow环境。

  图片 24

 

  第一天,tensorflow的环境就算搭建成功了,有那么一丢丢的成就感。如果有说的不对的地方或者有更好的解决办法,还请路过的大神指示一下~

TAG标签:
版权声明:本文由澳门新葡8455手机版发布于www.2527.com,转载请注明出处:基于Anaconda的TensorFlow安装笔记