TensorFlow cpu-only 安装记录

本文详细介绍了在Ubuntu16.0.4环境中从零开始安装TensorFlow的全过程,包括基础工具准备、下载源码、配置及编译等关键步骤。
部署运行你感兴趣的模型镜像

这里简单记录一下安装TensorFlow的步骤,环境为Ubuntu16.0.4,以供参考。

###基础工具准备

####Python
安装完Ubuntu16.0.4以后,python默认已经安装好了,验证一下是否安装,如果没有安装需要自己手动安装一下即可

python -V

如果已经安装,会显示当前的python版本,这里使用的是2.7版本,如果没有安装可以通过以下命令安装

sudo apt-get install python2.7

####Pip

Pip是Python包管理工具之一

sudo apt-get install python-pip

升级Pip

sudo pip install --upgrade pip

然后可以通过Pip安装其他
此处输入图片的描述

安装形式同上,比如安装numpy

sudo apt-get install python-numpy

最后画红线的TensorFlow就是我们马上安装的。

####Git

sudo apt install git

####Java

分别输入以下命令,配置Java环境。

sudo add-apt-repository ppa:webupd8team/java
sudo apt-get update
sudo apt-get install oracle-java8-installer

####Bazel
Google软件构建工具Bazel

echo "deb [arch=amd64] http://storage.googleapis.com/bazel-apt stable jdk1.8" | sudo tee /etc/apt/sources.list.d/bazel.list
curl https://bazel.build/bazel-release.pub.gpg | sudo apt-key add -
sudo apt-get update
sudo apt-get install bazel

完成以后,在命令行中输入bazel,验证安装版本。

此处输入图片的描述

###下载TensorFlow源码

git clone --recurse-submodules https://github.com/tensorflow/tensorflow

完成以后,在本地会有TensorFlow目录。

此处输入图片的描述

接下来我们的操作(配置TensorFlow和编译TensorFlow)都在这个目录下完成。

###配置TensorFlow

命令行进入上图所示的目录,打开configure,开启配置。
为了安装顺利进行,我们仅仅对第一个开启yes,其他都是no。

此处输入图片的描述

###编译TensorFlow

配置好configure以后,进入编译阶段,注意这个时间因电脑性能各异,总体比较慢,需要耐性等待编译完成

bazel build -c opt //tensorflow/tools/pip_package:build_pip_package 

此处输入图片的描述

编译成功以后,生成可执行文件

bazel-bin/tensorflow/tools/pip_package/build_pip_package /tmp/tensorflow_pkg 

此处输入图片的描述

###安装TensorFlow

进入/tmp/tensorflow_pkg目录,然后执行安装即可

sudo pip install tensorflow-1.3.0-cp27-none-linux_x86_64.whl

此处输入图片的描述

验证TensorFlow,只要在python环境下,导入tensorflow没有报错,说明安装完成。
此处输入图片的描述

您可能感兴趣的与本文相关的镜像

TensorFlow-v2.15

TensorFlow-v2.15

TensorFlow

TensorFlow 是由Google Brain 团队开发的开源机器学习框架,广泛应用于深度学习研究和生产环境。 它提供了一个灵活的平台,用于构建和训练各种机器学习模型

<think>嗯,用户这次的问题很明确,就是要安装Anaconda、TensorFlow和PyTorch的具体方法。用户提供了三篇参考资料,虽然内容有重叠,但核心都是讲如何用Anaconda管理环境并安装这两个框架。 注意到用户特别强调"尽可能参考上次问题和回答",但当前对话是全新的(没有历史记录),所以直接聚焦当前需求。用户引用的资料里提到几个关键点:版本兼容性很重要、需要创建独立虚拟环境、Windows系统操作流程。用户可能是个刚入门深度学习的研究者或开发者,环境配置是常见痛点。 准备重点构建一个结构化流程:先安装Anaconda基础环境→配置虚拟环境→分别安装TensorFlow/PyTorch→验证安装。特别要强调版本匹配问题,因为引用[2][3]都提到这是最大陷阱。用户没说明操作系统,但引用资料全是Windows相关,所以默认按Windows操作步骤写,补充说明其他系统差异。 考虑提醒CUDA等依赖项的处理,但用户引用[2]提到"CPU版"选项,说明用户可能不需要GPU支持。所以重点提供CPU安装方案,GPU方案作为可选补充。最后用Jupyter Notebook验证更直观,符合多数用户习惯。 </think>以下是基于Anaconda安装TensorFlow和PyTorch的完整流程,结合版本兼容性和最佳实践整理而成: --- ### **1. Anaconda安装** 1. **下载安装包** 访问[Anaconda官网](https://www.anaconda.com/download),选择对应操作系统的Python 3.x版本下载。 2. **安装步骤** - Windows:双击安装包,勾选 **`Add Anaconda to PATH`**(环境变量配置- Linux/macOS:执行命令 `bash Anaconda3-202x.xx-Linux-x86_64.sh` 3. **验证安装** 终端输入: ```bash conda --version # 显示类似:conda 23.x.x ``` --- ### **2. 创建虚拟环境(关键步骤)** ```bash conda create -n tf_pytorch python=3.9 # 推荐Python 3.8-3.10兼顾兼容性 conda activate tf_pytorch ``` > **注意**:独立环境避免包冲突,TensorFlow/PyTorch需不同CUDA版本时可分别创建环境[^2][^3] --- ### **3. 安装TensorFlow** #### **CPU版本** ```bash pip install tensorflow==2.10 # 截至2023年,2.10是支持原生Windows GPU的末版 ``` #### **GPU版本(需NVIDIA显卡)** 1. **确认驱动兼容** - 查看CUDA支持版本:`nvidia-smi`(Driver版本需≥[CUDA Toolkit要求](https://www.tensorflow.org/install/source#gpu)) - 例:Driver 516.94 → 支持CUDA 11.7 → 适配TF 2.10 2. **安装命令** ```bash conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1 # 匹配TF版本 pip install tensorflow==2.10 ``` --- ### **4. 安装PyTorch** #### **通过官方命令(自动匹配CUDA)** ```bash # 访问 https://pytorch.org/get-started/locally/ 生成最新命令 conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia # 示例CUDA 11.8 ``` #### **CPU版本** ```bash conda install pytorch torchvision cpuonly -c pytorch ``` --- ### **5. 验证安装** ```python # TensorFlow验证 import tensorflow as tf print(tf.__version__) print("GPU可用:" if tf.config.list_physical_devices('GPU') else "仅CPU") # PyTorch验证 import torch print(torch.__version__) print("CUDA可用:" if torch.cuda.is_available() else "仅CPU") ``` --- ### **6. Jupyter Notebook集成** ```bash conda install ipykernel python -m ipykernel install --user --name tf_pytorch --display-name "tf_pytorch" ``` --- ### **关键问题解析** 1. **版本兼容性** - TensorFlow GPU版需严格匹配[Driver→CUDA→cuDNN→TF版本](https://www.tensorflow.org/install/source#gpu)[^1] - PyTorch兼容性更宽松,但建议CUDA≥11.3 2. **环境隔离** - TensorFlow推荐环境:`conda create -n tf_env python=3.9` - PyTorch推荐环境:`conda create -n torch_env python=3.10`[^2] 3. **镜像加速** 使用国内源加速安装: ```bash pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple ``` > **提示**:若需同时使用两个框架,优先安装低版本CUDA的框架(如先装TF再装PyTorch)[^3] ---
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值