centos 7 pip install tensorflow

本文介绍如何在Linux环境下安装TensorFlow 0.11版本所需的依赖包,包括配置开发环境所需的各种组件,如Python开发工具、numpy、scipy等,并通过pip安装特定版本的TensorFlow。
echo -e "\e[36m***Installing unzip git-all pkg-config zip g++ zlib1g-dev zlib-devel. Press ENTER when prompted*** \e[0m"
yum -y install unzip git-all pkg-config zip g++ zlib1g-dev zlib-devel

echo -e "\e[36m***Installing swig. Press ENTER when prompted*** \e[0m"
yum -y install swig

echo -e "\e[36m***Installing python-devel python-nose python-setuptools. Press ENTER when prompted*** \e[0m"
yum install python-devel python-nose python-setuptools

echo -e "\e[36m***Installing numpy python-devel scipy. Press ENTER when prompted*** \e[0m"
yum -y install numpy python-devel scipy

echo -e "\e[36m***Installing epel-release. Press ENTER when prompted*** \e[0m"
yum -y install epel-release

echo -e "\e[36m***Installing python-pip python-wheel. Press ENTER when prompted*** \e[0m"
yum install --enablerepo=* python-pip python-wheel
pip install --upgrade pip

echo -e "\e[36m***Installing tensorflow-0.11. Press ENTER when prompted*** \e[0m"
pip install --upgrade https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-0.11.0rc1-cp27-none-linux_x86_64.whl


===============================================================================================================================
if error:
1 epel error rpm:
cd /opt/
mkdir yum.old
mv /etc/yum.repos.d/epel.repo yum.old/
mv /etc/yum.repos.d/epel-testing.repo yum.old/
yum list
free  -g

if nokey:
rpm --import /etc/pki/rpm-gpg/RPM-GPG-KEY-EPEL-7

网速太慢:
echo MTU="1400" >> /etc/sysconfig/network-scripts/ifcfg-eth0  添加到文件 开机或重启网络服务生效

ifconfig eth0 mtu 1400  临时生效


#git clone https://github.com/tensorflow/tensorflow
export TF_NEED_CUDA=0
export TF_ENABLE_XLA=1
export TF_NEED_JEMALLOC=1
export TF_NEED_OPENCL=0
export TF_NEED_GCP=0
export TF_NEED_HDFS=0
#bazel --output_base=/data1/zhangyuanpeng/workspace/builder/tensorflow/bazel/output --output_user_root=/data1/zhangyuanpeng/workspace
/builder/tensorflow/bazel build -c opt //tensorflow/cc:tutorials_example_trainer
#bazel --output_base=/data1/zhangyuanpeng/workspace/builder/tensorflow/bazel/output --output_user_root=/data1/zhangyuanpeng/workspace
/builder/tensorflow/bazel build -c opt --copt=-mavx --copt=-mavx2 --copt=-mfma --copt=-mfpmath=both --copt=-msse4.2 --copt=-msse4.1 -
-copt=-msse3 //tensorflow/tools/pip_package:build_pip_package
bazel-bin/tensorflow/tools/pip_package/build_pip_package /data/ypzhang/ypzhang/workspace/build/tensorflow.pkg

### 安装 TensorFlow 2.1 的方法 对于希望在 CentOS 7 上安装 TensorFlow 2.1 版本的情况,有多种方式可以选择。 #### 使用 Conda 进行安装 一种推荐的方法是利用 Anaconda 或 Miniconda 来管理 Python 环境以及依赖项。这可以通过创建一个新的 conda 环境并指定 Python 版本来实现[^4]: ```bash conda create --name tensorflow2_env python=3.7 ``` 激活新创建的环境之后,可以直接通过 conda 渠道来安装特定版本的 TensorFlow: ```bash conda activate tensorflow2_env conda install --channel https://conda.anaconda.org/jjh_cio_testing tensorflow=2.1.0 [^1] ``` 这种方法的优势在于它能够自动处理所有的依赖关系,并且提供了相对隔离的工作空间。 #### 使用 Pip 工具进行安装 如果倾向于使用原生 Python 环境,则可以考虑采用 pip 方式来进行安装。考虑到网络速度等因素的影响,在国内可能更愿意选择加速镜像站点作为下载源[^3]: ```bash pip3 install tensorflow-gpu==2.1.0 -i http://pypi.douban.com/simple --trusted-host pypi.douban.com ``` 需要注意的是,上述命令适用于 GPU 加速版;如果不具备 NVIDIA 显卡或者不需要 GPU 支持的话,应该去掉 `-gpu` 后缀仅保留 `tensorflow`. #### 验证安装成功与否 完成安装过程后,建议验证 TensorFlow 是否能正常识别到已有的 CUDA 资源(如果有)。可以在 Python 解释器内部执行如下代码片段测试 GPU 可用性[^5]: ```python import tensorflow as tf print(tf.test.is_gpu_available()) ``` 该函数返回 True 表明当前环境中 TensorFlow 成功连接到了至少一块支持计算功能的显卡设备上。
评论
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