Ubuntu 准备（需要在任何方法之前应用）
在开发最近发布的 Ubuntu 16.04 时，我们将确保已更新到最新的包版本，并且安装了最小的 Python 环境。
让我们在命令行上执行以下指令：
$ sudo apt-get update $ sudo apt-get upgrade -y $ sudo apt-get install -y build-essential python-pip python-dev python-numpy swig python-dev default-jdk zip zlib1g-dev
PIP 安装方法
在本节中，我们将使用 PIP（PIP 安装包）包管理器来获取 TensorFlow 及其所有依赖项。
这是一种非常简单的方法，您只需要进行一些调整就可以正常运行 TensorFlow 安装。
CPU 版本
为了安装 TensorFlow 及其所有依赖项，我们只需要一个简单的命令行（只要我们已经实现了准备任务即可）。
因此，这是标准 Python 2.7 所需的命令行：
$ sudo pip install --upgrade https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.9.0-cp27-none-linux_x86_64.whl
然后，您将找到正在下载的不同从属包，如果未检测到问题，则会显示相应的消息：
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-OklTpyQj-1681565654385)(https://gitcode.net/apachecn/apachecn-dl-zh/-/raw/master/docs/build-ml-proj-tf-zh/img/00149.jpg)]
点安装输出
测试您的安装
在安装步骤之后，我们可以做一个非常简单的测试，调用 Python 解释器，然后导入 TensorFlow 库，将两个数字定义为一个常量，并获得其总和：
$ python >>> import tensorflow as tf >>> a = tf.constant(2) >>> b = tf.constant(20) >>> print(sess.run(a + b))
GPU 支持
为了安装支持 GPU 的 TensorFlow 库，首先必须从源安装中执行 GPU 支持部分中的所有步骤。
然后您将调用：
$ sudo pip install -upgrade https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-0.10.0rc0-cp27-none-linux_x86_64.whl
提示
预打包的 TensorFlow 有许多版本。
它们遵循以下形式：
https://storage.googleapis.com/tensorflow/linux/[processor type]/tensorflow-[version]-cp[python version]-none-linux_x86_64.whl
提示
其中[version]可以是cpu或gpu，[version]是 TensorFlow 版本（实际上是 0.11），而 Python 版本可以是 2.7、3.4 或 3.5。
Virtualenv 安装方法
在本节中，我们将使用 Virtualenv 工具说明 TensorFlow 的首选方法。
来自 Virtualenv 页面（virtualenv.pypa.io）：
Virtualenv 是用于创建隔离的 Python 环境的工具。（…）它创建具有自己的安装目录的环境，该环境不与其他 Virtualenv 环境共享库（并且可以选择不访问全局安装的库） 。
通过此工具，我们将为 TensorFlow 安装简单地安装隔离的环境，而不会干扰所有其他系统库，这又不会影响我们的安装。
这些是我们将要执行的简单步骤（从 Linux 终端）：
- 设置
LC_ALL变量：
$ export LC_ALL=C
- 从安装程序安装
virtualenvUbuntu 包：
$ sudo apt-get install python-virtualenv
- 安装
virtualenv包：
virtualenv --system-site-packages ~/tensorflow
- 然后，要使用新的 TensorFlow，您将始终需要记住激活 TensorFlow 环境：
source ~/tensorflow/bin/activate
- 然后通过 PIP 安装
tensorflow包：
pip install --upgrade https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.9.0-cp27-none-linux_x86_64.whl
您将能够安装在 PIP linux 安装方法中转录的所有替代官方tensorflow包。
环境测试
在这里，我们将对 TensorFlow 做一个最小的测试。
首先，我们将激活新创建的 TensorFlow 环境：
$ source ~/tensorflow/bin/activate
然后，提示将以（tensorflow）前缀更改，我们可以执行简单的代码来加载 TensorFlow，并对两个值求和：
(tensorflow) $ python >>> import tensorflow as tf >>> a = tf.constant(2) >>> b = tf.constant(3) >>> print(sess.run(a * b)) 6
完成工作后，如果要返回到正常环境，可以简单地停用该环境：
(tensorflow)$ deactivate
Docker 安装方法
这种 TensorFlow 安装方法使用一种称为容器的最新操作技术。
容器在某些方面与 Virtualenv 的工作相关，在 Docker 中，您将拥有一个新的虚拟环境。 主要区别在于此虚拟化工作的级别。 它在简化的包中包含应用和所有依赖项，并且这些封装的容器可以在公共层 Docker 引擎上同时运行，而 Docker 引擎又在主机操作系统上运行。
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-CYhHwaqL-1681565654386)(https://gitcode.net/apachecn/apachecn-dl-zh/-/raw/master/docs/build-ml-proj-tf-zh/img/00150.jpg)]
Docker 主要架构（图片来源）
安装 Docker
首先，我们将通过apt包安装docker：
sudo apt-get install docker.io
允许 Docker 以普通用户身份运行
在此步骤中，我们创建一个 Docker 组以能够将 Docker 用作用户：
sudo groupadd docker
提示
您可能会得到错误； group 'docker' already exists。 您可以放心地忽略它。
然后，将当前用户添加到 Docker 组：
sudo usermod -aG docker [your user]
提示
此命令不应返回任何输出。
重新启动
完成此步骤后，需要重新启动才能应用更改。
测试 Docker 安装
重新启动后，您可以尝试使用命令行调用 HelloWorld Docker 示例：
$ docker run hello-world
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-3T8GxPSy-1681565654386)(https://gitcode.net/apachecn/apachecn-dl-zh/-/raw/master/docs/build-ml-proj-tf-zh/img/00151.jpg)]
Docker HelloWorld 容器
运行 TensorFlow 容器
然后，我们运行（如果之前未安装过，请安装）TensorFlow 二进制映像（在这种情况下为原始 CPU 二进制映像）：
docker run -it -p 8888:8888 gcr.io/tensorflow/tensorflow
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-zFMrlN8Q-1681565654386)(https://gitcode.net/apachecn/apachecn-dl-zh/-/raw/master/docs/build-ml-proj-tf-zh/img/00152.jpg)]
通过 PIP 安装 TensorFlow
安装完成后，您将看到最终的安装步骤，并且 Jupyter 笔记本开始：
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-OWxWIx2A-1681565654386)(https://gitcode.net/apachecn/apachecn-dl-zh/-/raw/master/docs/build-ml-proj-tf-zh/img/00153.jpg)]
注意
许多示例使用 Jupyter 笔记本格式。 为了执行和运行它们，您可以在其主页 jupyter.org 上找到有关许多架构的安装和使用的信息。
