TensorFlow环境搭建

简介: 前几天,我们刚下发了毕业设计的题目,我选的题目为基于TensorFlow的深度学习与研究,这将会是一个系列文章,截止2020-07我会将所有相关内容用更加通俗易懂的方式发布在公众平台上,我们一块学习,让我们嗨起来~。


前言


前几天,我们刚下发了毕业设计的题目,我选的题目为基于TensorFlow的深度学习与研究,这将会是一个系列文章,截止2020-07我会将所有相关内容用更加通俗易懂的方式发布在公众平台上,我们一块学习,让我们嗨起来~。


工欲善其事,必先利其器。今天这篇文章,我们就先学习如何在Windows、Linux上搭建开发环境。


1 Windows下环境搭建


1. 安装Python环境


进入官网,根据个人电脑系统选择合适的发行版本进行安装,以下是两点提示:


  • 选择Python3.x版本


微信图片_20220610201902.jpg


  • 下载好之后进行安装的时候,记住勾选Add Python 3.x to PATH可选项。


微信图片_20220610201914.jpg

image.gif

官网地址:

https://www.python.org/downloads/windows/


按照上述步骤安装好之后,我们通过命令行检测一下是否安装成功。


微信图片_20220610201922.png


打开命令行工具,输入如下命令:



python --version


若能显示出版本号,则证明安装正确。(:因为我之前已经安装了Anaconda,所以后面也会显示Anaconda的相关信息,小伙伴们在自己的电脑上只要看到Python版本信息就好了哦,不用跟我一样哒~


2. Anaconda下载


haha,首先介绍下Anaconda,Anaconda是Python的一个科学计算发行版,内置了上千个Python经常会用到的库,包括Scikit-learn、Numpy、Scipy、Pandas等。


因为Anaconda是一个国外网站,所以我推荐大家通过镜像去进行安装。当然,如果你想通过官网下载,也没有是问题滴~进入官网,选择合适的发行版本进行安装即可~


官网地址:

https://www.anaconda.com/distribution/#download-section


微信图片_20220610201936.png


ok,我们重点来说如何通过镜像去安装,这里我们采用清华的镜像。


地址:

https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/


微信图片_20220610201943.jpg


这里建议小伙伴们安装3-4.2版本,因为这个版本对于我们初学者比较友好,简单介绍下Anaconda3-4.2.0-Windows-x86.exe文件名含义:


  • 3-是Python版本3.x
  • Windows-x86是32位系统
  • Windows-x86_64是64位系统


大家记住自行根据电脑实际情况进行安装,不必跟我一样~


下载好之后,双击进行安装,由于安装方式比较简单(:会给你女朋友装QQ、微信就会装这个,所以这里不再赘述。等安装好之后,按下Windows键,找到如下图所示选项:在以后的开发中,我们将主要使用其中的Anaconda Prompt命令行工具和基于Web的Jupyter Notebook


微信图片_20220610201950.jpg


3. 在Anaconda中安装Tensorflow


国外网络有时太慢,可以通过配置把下载源改为国内的,通过conda config命令生成配置文件,这里使用清华的镜像源。


地址如下:

https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/


First of all,打开Anaconda Prompt窗口,执行命令:



conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/


In addition,执行命令:



conda config --set show_channel_urls yes


last but not least,在用户目录底下找到.condarc文件,用编辑软件打开.condarc文件,删除第三行 -defaults,保存文件。


微信图片_20220610201958.png


修改好镜像源之后,我们可以安装TensorFlow了:


  • 安装普通版TensorFlow命令为:


conda install tensorflow


  • 安装GPU版TensorFlow命令为:


conda install tensorflow -gpu


为便于学习,建议大家安装普通版即可,在安装的过程中:大家按照图中提示,选择y即可。


微信图片_20220610202005.jpg


4.测试TensorFlow是否安装成功


打开Jupyter,新建Python3文件,我们看图说话:


微信图片_20220610202011.png


打开之后,我们新建一个py文件,写一段测试代码跑一跑。


微信图片_20220610202018.png


哎呦,好开心,一把就跑通了~真厉害o(* ̄▽ ̄*)ブ 赶紧喝两口RIO,慰劳一下自己贴心的我把跑测试的代码贴到下面,有没有想要夸我的冲动

import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))


2 Linux下环境搭建



目前,TensorFlow社区推荐的安装和运行环境是Ubuntu,它同时也支持Mac和Windows上的安装部署。


因为在深度学习的计算过程中,大量操作是向量和矩阵的计算,而GPU在向量和矩阵计算速度方面比CPU有一个数量级的提升,并且深度学习在GPU上的运算效率更高,所以推荐在配有GPU的机器上运行TensorFlow程序。


你说巧不巧,我在腾讯刚好有一台Linux服务器,刚好借用它老人家来写写教程(:我真爱学习O(∩_∩)O,夸我


微信图片_20220610202025.png


1.Python3环境安装


CentOS系统本身默认安装有Python2.x,版本x根据不同版本系统有所不同,可通过 python --V 或 python --version 查看系统自带的Python版本。

有一些系统命令时需要用到Python2,不能卸载。


  • 安装依赖包

  • 首先安装gcc编译器,gcc有些系统版本已经默认安装,通过如下命令查看:


gcc --version


  •     没安装的先安装gcc:



yum -y install gcc


  • 安装其它依赖包,(注:不要缺少,否则有可能安装python出错,python3.7.0以下的版本可不装 libffi-devel )


yum -y install zlib-devel bzip2-devel openssl-devel ncurses-devel sqlite-devel readline-devel tk-devel gdbm-devel db4-devel libpcap-devel xz-devel libffi-devel


  • 下载python3.7.0源码,根据需求下载


wget https://www.python.org/ftp/python/3.7.0/Python-3.7.0.tgz


  • 解压Python-3.7.0.tgz


tar -zxvf Python-3.7.0.tgz


  • 建立一个空文件夹,用于存放python3程序


mkdir /usr/local/python3

  • 执行配置文件,编译,编译安装

cd Python-3.7.0
./configure --prefix=/usr/local/python3
make && make install
  • 安装完成没有提示错误便安装成功了


  • 建立软连接


ln -s /usr/local/python3/bin/python3.7 /usr/bin/python3
ln -s /usr/local/python3/bin/pip3.7 /usr/bin/pip3
  • 测试一下python3是否可以用,见证一下Linux下Python版本的Hello World!



微信图片_20220610202032.png


2.CentOS中安装TensorFlow


注意用yum安装,不要卸载之前的python2,否则系统会出问题。安装完毕后会有如下命令:/usr/bin/python3,注意不要做软连接python3到python,原因还是centos要使用python2作为默认工具。这里不用理会,因为下面的virtualenv会自动对应python3.


下面这些不看本文也可以,把TensorFlow官网安装文档中的apt-get换成yum就行。


  • 安装需要的东西


sudo yum -y install epel-release
sudo yum -y install gcc gcc-c++ python3-pip python-devel atlas atlas-devel gcc-gfortran openssl-devel libffi-devel

注意:这里的python3-pip对应了python3


  • 安装virtualenv

use pip or pip3 as you prefer for python or python3



pip3 install --upgrade virtualenv
virtualenv --system-site-packages ~/venvs/tensorflow
  • 启动virtualenv


source ~/venvs/tensorflow/bin/activate


注意:每次都需要启动这个虚拟环境来跑TensorFlow


  • 在virtualenv中安装TensorFlow



pip3 install --upgrade tensorflow


安装好之后,我们写一段测试代码跑一跑:


微信图片_20220610202038.png

ok,若能看到版本信息,就证明安装成功。



3 一点说明



到此为止,对于Windows和Linux两种平台下TensorFlow的安装就到此over。


可能有的小伙伴会问:我在书上看到还要安装GPU啊啥的,对的,小伙伴提的问题很好,证明你仔细看书了,这里我做如下解释:


深度学习中大量的操作是向量和矩阵的运算,而GPU在向量和矩阵计算速度方面比CPU有一个数量级的提升,并且深度学习在GPU上的运算效率更高,但是,听好了,我说但是,我们的项目用CPU跑就足够了~

相关实践学习
基于阿里云DeepGPU实例,用AI画唯美国风少女
本实验基于阿里云DeepGPU实例,使用aiacctorch加速stable-diffusion-webui,用AI画唯美国风少女,可提升性能至高至原性能的2.6倍。
相关文章
|
7天前
|
并行计算 TensorFlow 算法框架/工具
Tensorflow2 环境搭建
Tensorflow2 环境搭建
54 0
|
并行计算 Ubuntu TensorFlow
tensorflow第一天 环境搭建
tensorflow第一天 环境搭建
146 0
|
并行计算 Ubuntu Linux
Ubuntu18.04LTS下cuda10.0+cudnn7.5+TensorFlow1.13环境搭建
目录 前言 开发环境一览 显卡驱动安装 下载驱动 禁用nouveau 安装驱动 安装CUDA10.0 第一个CUDA程序 安装cudnn7.5 安装TensorFlow1.13 最后 前言 之前写过cuda环境的搭建文章, 这次干脆补全整个深度学习环境的搭建.
10405 0
|
Web App开发 安全 Linux
《Web安全之机器学习入门》一 2.2 TensorFlow简介与环境搭建
本节书摘来自华章出版社《Web安全之机器学习入门》一 书中的第2章,第2.2节,作者:刘焱,更多章节内容可以访问云栖社区“华章计算机”公众号查看。
1688 0
|
Linux TensorFlow 算法框架/工具
tensorflow 环境搭建(linux,centos)
按顺序一步一步解决依赖并安装。1.python 笔者使用的版本为2.7.5。2.python-pip pip,Python Index Package。类似linux下的yum,安装并管理python软件包。 pip安装命令:yum install  python-pip python-devel 备注:不安装python-devel的话,pynum安装就会报错。这是一个py下的数
3617 0
|
4天前
|
机器学习/深度学习 数据可视化 TensorFlow
使用TensorFlow进行深度学习入门
【5月更文挑战第18天】本文介绍了TensorFlow深度学习入门,包括TensorFlow的概述和一个简单的CNN手写数字识别例子。TensorFlow是由谷歌开发的开源机器学习框架,以其灵活性、可扩展性和高效性著称。文中展示了如何安装TensorFlow,加载MNIST数据集,构建并编译CNN模型,以及训练和评估模型。此外,还提供了预测及可视化结果的代码示例。
|
4天前
|
机器学习/深度学习 PyTorch TensorFlow
深度学习:Pytorch 与 Tensorflow 的主要区别(2)
深度学习:Pytorch 与 Tensorflow 的主要区别(2)
9 0
|
7天前
|
机器学习/深度学习 PyTorch TensorFlow
Pytorch 与 Tensorflow:深度学习的主要区别(1)
Pytorch 与 Tensorflow:深度学习的主要区别(1)
20 2
|
7天前
|
机器学习/深度学习 人工智能 自然语言处理
使用TensorFlow进行深度学习入门
【5月更文挑战第11天】本文引导读者入门TensorFlow深度学习,介绍TensorFlow——Google的开源机器学习框架,用于处理各种机器学习问题。内容包括TensorFlow安装(使用pip)、核心概念(张量、计算图和会话)以及构建和训练简单线性回归模型的示例。通过这个例子,读者可掌握TensorFlow的基本操作,包括定义模型、损失函数、优化器以及运行会话。
|
7天前
|
机器学习/深度学习 TensorFlow 算法框架/工具
Python深度学习基于Tensorflow(7)视觉处理基础
Python深度学习基于Tensorflow(7)视觉处理基础
22 2
Python深度学习基于Tensorflow(7)视觉处理基础

相关实验场景

更多