一、系統需求
- Ubuntu 16.04 or later (64-bit)
- macOS 10.12.6 (Sierra) or later (64-bit) (no GPU support)
- Windows 7 or later (64-bit) (Python 3 only)
二、硬件需求
三、開始安裝
1. 安裝python3
檢查您的Python環境是否已配置:
sudo apt update
sudo apt install python3-dev python3-pip
sudo pip3 install -U virtualenv
如果已安裝這些軟件包,請跳至下一步。
目前TensorFlow最新只支持到python3.6。
否則,按照下面命令安裝Python, pip包管理器和Virtualenv:
- Ubuntu
sudo apt update
sudo apt install python3-dev python3-pip
sudo pip3 install -U virtualenv # system-wide install
- MacOS
第一行安裝的是macOS的包管理器:homebrew
/usr/bin/ruby -e "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/master/install)"
export PATH="/usr/local/bin:/usr/local/sbin:$PATH"
brew update
brew install python # Python 3
sudo pip3 install -U virtualenv # system-wide install
- Windows
安裝Microsoft Visual C ++ 2015可再發行組件更新。這是Visual Studio 2015附帶的,但可以單獨安裝。
轉到Visual Studio下載,選擇Redistributables和Build Tools,下載並安裝Microsoft Visual C ++ 2015 Redistributable Update 3。
安裝適用於Windows的64位 Python 3發行版(選擇pip作爲可選功能)。
命令提示符中輸入:
pip3 install -U pip virtualenv
2. 安裝python3虛擬環境
Python虛擬環境用於將程序包安裝與系統隔離。
- Ubuntu和Mac OS
通過選擇Python解釋器並創建一個./venv目錄來保存它,從而創建一個新的虛擬環境 :
virtualenv --system-site-packages -p python3 ./venv
使用特定於shell的命令激活虛擬環境:
source ./ venv / bin / activate #sh,bash,ksh或zsh
當virtualenv處於活動狀態時,shell提示符前綴爲(venv)。
在虛擬環境中安裝軟件包,而不會影響主機系統設置。首先升級pip:
(venv)$ pip install --upgrade pip
(venv)$ pip list # show packages installed within the virtual environment
離開虛擬環境
(venv)$ deactivate
Windows的配置方法同理
3. 安裝TensorFlow pip包
從PyPI中 選擇以下TensorFlow軟件包之一進行安裝:
tensorflow- 僅限CPU的當前版本(推薦給初學者)
tensorflow-gpu- 支持GPU的當前 版本(Ubuntu和Windows)
tf-nightly-Nightly build for only-only (unstable)
tf-nightly-gpu- 支持GPU支持 (不穩定,Ubuntu和Windows)
- 虛擬環境下安裝
安裝好了可以進行測試,有輸出則安裝成功。(venv)$ pip install --upgrade tensorflow
(venv)$ python -c "import tensorflow as tf; tf.enable_eager_execution(); print(tf.reduce_sum(tf.random_normal([1000, 1000])))"
- 系統級安裝
安裝好了可以進行測試,有輸出則安裝成功。pip3 install --user --upgrade tensorflow
安裝到這裏,就大功告成了,可以愉快的學習TensorFlow了!python -c "import tensorflow as tf; tf.enable_eager_execution(); print(tf.reduce_sum(tf.random_normal([1000, 1000])))"