Linux服务器下安装TensorFlow

发表于   |   分类于   |     |  

  简单介绍在Linux服务器的个人目录下安装TensorFlow。TensorFlow的安装方式有多种，基于Pip的安装、基于Docker的安装、基于VirtualEnv的安装、基于Anaconda的安装，以及从源码编译安装，这些在官网均有介绍，这里简单记录下基于Anaconda安装的方法。

安装Anaconda

  Anaconda是一个集成许多第三方科学计算库的Python科学计算环境，Anaconda使用conda 作为自己的包管理工具，同时具有自己的计算环境，类似Virtualenv。和Virtualenv一样,不同Python工程需要的依赖包，conda将其存储在不同的地方。TensorFlow上安装的Anaconda不会对之前安装的Python包进行覆盖。

  • 进入Anaconda官网下载页面，选择合适版本直接下载，或者在个人终端目录下，使用wget命令，示例如下：

    1
    wget https://repo.continuum.io/archive/Anaconda2-4.4.0-Linux-x86_64.sh

  • 下载到本地后运行安装脚本

    1
    bash Anaconda2-4.4.0-Linux-x86_64.sh

  • 安装完成后在~/.bashrc文件中添加环境变量

    1
    export PATH="/$HOME/anaconda2/bin:$PATH"

此外，还需在~/.zshrc文件添加相关路径，否则在后面执行conda命令时，可能会出现错误信息：zsh: command not found: conda。在.zshrc文件的 #User configuration 处追加

1
export PATH = "$PATH:$HOME/anaconda/bin"

添加完路径后分别执行以下命令使之生效

1
2
source ~/.bashrc
source ~/.zshrc

安装TensorFlow

  • 创建conda环境，命名为tensorflow

    1
    2
    3
    conda create -n tensorflow​
    #也可指定Python版本
    conda create -n tensorflow python=2.7

  • 激活并进入创建的conda环境

    1
    source activate tensorflow

  • 下载并安装TensorFlow

    1
    pip install --ignore-installed --upgrade tfBinaryURL​

  • tfBinaryURL须根据平台环境进行选择。例如，对于Python2.7，GPU版本为CUDA8.0的平台，可安装如下版本

    1
    2
    pip install --ignore-installed --upgrade \
    https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.2.1-cp27-cp27mu-manylinux1_x86_64.whl

  • 在不确定安装版本的情况下也可直接使用如下命令安装

    1
    2
    pip install tensorflow 		#CPU版本
    pip install tensorflow-gpu	#GPU版本

  • 退出虚拟环境

    1
    source deactivate tensorflow

测试

  • 用source activate指令进入tensorflow环境，执行Python解释器

    1
    python

  • 在Python环境内，逐条输入以下语句

    1
    2
    3
    4
    >>> import tensorflow as tf
    >>> hello = tf.constant('Hello, TensorFlow!')
    >>> sess = tf.Session()
    >>> print(sess.run(hello))

  • 如果成功打印下面语句，说明安装成功

    1
    Hello, TensorFlow!

注意事项

  安装GPU版本的TensorFlow时，需要使用NVIDIA的显卡，并安装和配置CUDA和CUDNN环境。
  一般对于多用户使用的服务器，系统主目录下都会安装有Python解释器(甚至是多个版本)。对于大多数用户而言都不具备管理员权限，在利用pip命令安装一些Python依赖库时会失败，因此在个人目录下安装集成的Anaconda环境，可以有效地与系统自带的Python解释器隔离，前提是在.bashrc文件中添加路径

1
export PATH="$HOME/anaconda2/bin:$PATH"

并执行以下命令使之生效

1
source ~/.bashrc

这样每次执行python命令都是在个人目录下的Anaconda环境中。如果要与系统Python环境随时切换，可通过给命令起别名的方式，即别名声明alias。

1
2
3
alias python27="/usr/bin/python2.7"  	#系统Python环境
alias python36="/usr/bin/python3.6" 
alias pyana="/home/myname/anaconda2/bin/python2.7"	#个人Python环境，精确到版本路径

使用系统自带的Python时，执行Python27或者Python36命令即可；使用Anaconda时，执行pyana或者python命令。将上述命令添加到.bashrc文件中，这样每次开机都不需要重新输入。

conda的简单命令

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
conda create -n [name]      #创建名为name的conda环境，如tensorflow
source activate [name]  	#激活并进入创建的环境
source deactivate [name]    #退出名为name的环境，回到系统默认环境
conda remove -n [name] --all   #删除创建的conda环境 
conda info -envs    #查看所安装环境列表，创建的环境都在`~/anaconda2/envs/`目录下面
conda list      #查看已经安装的包
conda install [packagename]        #安装具体的包，加-n [name]可以安装到指定环境
conda list -n [name]      #name环境下安装了哪些包
conda update -n [name] [packagename]     #升级name环境的名为packagename的包
conda remove -n [name] [packagename]     #删除name环境的名为packagename的包

reference