前提

  • 64位主机

  • Ubuntu 16.04+

选择Tensorflow

Tensorflow提供2种选择：

  • 仅支持CPU的Tensorflow：如果系统没有NVIDIA@GPU，或者希望更快使用tensorflow

  • 支持GPU的Tensorflow：系统有NVIDIA@GPU，并且对运行性能要求较高

如果要安装支持GPU的Tensorflow，则需要满足NVIDIA要求：

  • CUDA® 工具包9.0，并将相关的CUDA路径附加到LD_LIBRARY_PATH环境变量

  • CUDA 9.0相关的NVIDIA驱动程序

  • cuDNN v7.0，并创建CUDA_HOME 环境变量

  • CUDA计算能力为3.0+的GPU卡（用于从源代码构建），以及CUDA计算能力为3.5+的GPU卡（用于安装二进制文件）

  • libcupti-dev库，它是NVIDIA CUDA分析工具接口，提供高级分析支持

对于CUDA工具包8.0+

$ sudo apt-get install cuda-command-line-tools

将其路径添加到LD_LIBRARY_PATH环境变量

$ export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/extras/CUPTI/lib64

对于CUDA工具包7.5-

$ sudo apt-get install libcupti-dev

安装Tensorflow

目前支持的Tensorflow安装方式包括：

  • Virtualenv

  • pip

  • Docker

  • Anaconda

  • 源代码

Virtualenv

推荐的方式是Virtualenv，它是一个与其他Python开发环境隔离的虚拟Python环境。在Virtualenv中，不仅需要安装Tensorflow，还可以安装Tensorflow需要的软件包。当使用Tensorflow时，只需要激活虚拟环境。

原生pip

原生pip会直接在系统安装Tensorflow，当希望多用户系统使用相同的tensorflow系统，则可以采用原生pip安装。

Docker

Docker容器包含Tensorflow机器所有依赖项，它的镜像通常较大。如果希望将Tensorflow整合到使用Docker的应用架构，可以选择Docker安装。

Anaconda

在Anaconda中，可以使用conda创建虚拟环境。在Anaconda内部，建议使用pip install 安装，而不是使用conda install

因为，conda软件包是社区提供支持，Tensorflow团队不测试，也不维护conda软件包。

【参考】

1。Tensorflow-->安装-->Ubuntu：https://www.tensorflow.org/install/install\_linux?hl=zh-cn

results matching ""

    No results matching ""