Ubuntu 下多種方式安裝 TensorFlow 總結（未完待續。。。。）

前言

在本篇文章中，我們將介紹TensorFlow的安裝，TensorFlow是Google公司在2015年11月9日開源的一個深度學習框架。

官網文檔地址爲：https://www.tensorflow.org/
官方GitHub倉庫：https://github.com/tensorflow/tensorflow
TensorFlow目前支持4種開發語言，分別是Python（包括Python2和Python3）、Java、Go、C。筆者使用的環境如下：

開發語言：Python 3.6
使用操作系統：Ubuntu 16.04
硬件環境：CPU
基於這些環境，我們來安裝TensorFlow吧。

Ubuntu下安裝TensorFlow
在Ubuntu上我們分別在原生pip、Virtualenv 環境 、 Docker容器、Bazel環境以及Anaconda環境下安裝。

一、原生pip安裝TensorFlow

使用原生的pip安裝時最簡單的，直接安裝使用一條命令就可以安裝完成了。

首先確認Python環境，Ubuntu會自帶Python環境的，不用我們自己安裝，使用python3 -V可以查詢安裝的Python環境，輸出如下：
Python 3.5.2

安裝TensorFlow需要使用pip命令，默認是沒有安裝的，所以我們需要安裝pip命令：

sudo apt-get install python3-pip python3-dev

這裏筆者要說一下，默認的鏡像源太慢了，筆者修改成阿里鏡像源了，修改方式如下：

• 備份源列表文件：

sudo cp /etc/apt/sources.list /etc/apt/sources.list.bak

• 編輯源列表文件：

sudo vi /etc/apt/sources.list

• 清空裏面的內容，添加以下的的信息：

deb http://mirrors.aliyun.com/ubuntu/ xenial main
deb-src http://mirrors.aliyun.com/ubuntu/ xenial main

deb http://mirrors.aliyun.com/ubuntu/ xenial-updates main
deb-src http://mirrors.aliyun.com/ubuntu/ xenial-updates main

deb http://mirrors.aliyun.com/ubuntu/ xenial universe
deb-src http://mirrors.aliyun.com/ubuntu/ xenial universe
deb http://mirrors.aliyun.com/ubuntu/ xenial-updates universe
deb-src http://mirrors.aliyun.com/ubuntu/ xenial-updates universe

deb http://mirrors.aliyun.com/ubuntu/ xenial-security main
deb-src http://mirrors.aliyun.com/ubuntu/ xenial-security main
deb http://mirrors.aliyun.com/ubuntu/ xenial-security universe
deb-src http://mirrors.aliyun.com/ubuntu/ xenial-security universe

• 最後執行更新列表命令：

sudo apt update

安裝完成pip命令之後，可以使用pip3 -V查看是否已經安裝成功及安裝的版本，輸出如下，官方要求pip的版本要不小於8.1：

pip 8.1.1 from /usr/lib/python3/dist-packages (python 3.5)

• 如果覺得版本太低，也可以升級，先要下載一個升級文件，命令如下：

wget https://bootstrap.pypa.io/get-pip.py

• 下載完成之後，可以使用這個文件安裝最新的pip了：

sudo python3 get-pip.py

一切多準備完成，那就可以開始安裝TensorFlow了，只要使用以下一條命令就可以：

sudo pip3 install tensorflow

• 如果使用上面安裝比較慢的話，我們還可指定使用的鏡像源，比如這裏筆者使用的是阿里的鏡像源，之後使用到pip安裝的同樣的操作：

sudo pip3 install -i https://mirrors.aliyun.com/pypi/simple/ tensorflow

安裝完成之後，可以使用以下命令查看是否完成及安裝的版本：

pip3 list

注意：如果在運行報以下錯誤，多數是電腦的CPU不支持AVX指令集：

非法指令 (核心已轉儲)

如何知道自己的電腦是不是支持AVX指令集呢，可以通用以下的命令查看，輸出Yes就是支持，No就是不支持：

if cat /proc/cpuinfo | grep -i avx; then echo Yes; else echo No; fi

TensorFlow在1.6版本之後都會使用AVX指令集，如果讀者的電腦不支持AVX指令集，就要安裝低版本的，如下是安裝1.5版本的：

pip3 install tensorflow==1.5

安裝完成之後，可以進行測試，測試情閱讀最後的測試部分。

二、Virtualenv安裝TensorFlow

首先通過以下的命令來安裝 pip 和 Virtualenv：

sudo apt-get install python3-pip python3-dev python-virtualenv

然後通過下面的命令來創建 Virtualenv 環境：

virtualenv --system-site-packages -p python3 ~/tensorflow

最後通過下面的命令激活 Virtualenv 環境：

source ~/tensorflow/bin/activate

這時會發現控制檯已經發生了變化，變成如下狀態，這表明已經進入了 Virtualenv 環境：

(tensorflow) yeyupiaoling@tensorflow:~$

接下來的操作都是在這個Virtualenv 環境下操作，比我們的pip命令也是在這裏的，可以使用pip3 -V查看：

pip 10.0.1 from /home/yeyupiaoling/tensorflow/lib/python3.5/site-packages/pip (python 3.5)

我們在Virtualenv 環境裏通過以下的命令即可完成安裝TensorFlow：

pip3 install tensorflow

不支持AVX的請安裝1.5版本：

pip3 install tensorflow==1.5

使用完成之後，可以通過以下命令退出Virtualenv 環境：

deactivate

三、Docker下安裝TensorFlow

要使用Docker，就要先安裝Docker，以下命令就是安裝Docker的命令：

sudo apt-get install docker.io

安裝完成之後，可以使用docker --version查看Docker的版本，如果有顯示，就證明安裝成功了。

然後我們可以通過以下的命令拉取TensorFlow的鏡像，我們也可以通過dockerhub獲取更多Docker鏡像：

docker pull tensorflow/tensorflow:1.8.0-py3

如果電腦不支持AVX指令集的，請安裝低版本的TensorFlow鏡像：

docker pull tensorflow/tensorflow:1.5.1-py3

拉取完成鏡像，就可以使用docker images查看已經安裝的鏡像：

REPOSITORY                          TAG                 IMAGE ID            CREATED             SIZE
tensorflow/tensorflow               1.8.0-py3           a83a3dd79ff9        2 months ago        1.33 GB

使用TensorFlow的Docker鏡像有個好處就是自帶了jupyter notebook，啓動鏡像之後可以直接使用jupyter。

sudo docker run -it -p 80:8888 tensorflow/tensorflow:1.8.0-py3

然後終端會輸出以下信息，要注意輸出的token：

[I 07:08:38.160 NotebookApp] Writing notebook server cookie secret to /root/.local/share/jupyter/runtime/notebook_cookie_secret
[W 07:08:38.177 NotebookApp] WARNING: The notebook server is listening on all IP addresses and not using encryption. This is not recommended.
[I 07:08:38.186 NotebookApp] Serving notebooks from local directory: /notebooks
[I 07:08:38.186 NotebookApp] 0 active kernels
[I 07:08:38.187 NotebookApp] The Jupyter Notebook is running at:
[I 07:08:38.187 NotebookApp] http://[all ip addresses on your system]:8888/?token=ab489f0445846cb7f9d5c9613edcf7b9537cd245dbecf2a6
[I 07:08:38.187 NotebookApp] Use Control-C to stop this server and shut down all kernels (twice to skip confirmation).
[C 07:08:38.187 NotebookApp] 

    Copy/paste this URL into your browser when you connect for the first time,
    to login with a token:
        http://localhost:8888/?token=ab489f0445846cb7f9d5c9613edcf7b9537cd245dbecf2a6

然後我們在瀏覽器上輸入IP地址，如何是在本地，那就就輸入localhost，得到的頁面如下，輸入終端輸出的token和新密碼就可以登錄使用jupyter了： 

得到的jupyter網頁如下： 

如果停止運行鏡像了，可以使用以下的命令找到之前使用這個進行run生成的一個容器：

sudo docker ps -a

會得到以下信息，其中最重要的是CONTAINER ID：

CONTAINER ID        IMAGE                             COMMAND                  CREATED             STATUS                      PORTS               NAMES
44aa680ac51f        tensorflow/tensorflow:1.8.0-py3   "/run_jupyter.sh -..."   14 minutes ago      Exited (0) 21 seconds ago                       cranky_elion

通過這個CONTAINER ID可以再次啓動這個容器，這樣就不用每次都run一個容器出來，佔用磁盤容量，同時也可以保存原來的環境，可以使用以下的命令啓動容器：

sudo docker start 44aa680ac51f

啓動之後是在後臺運行的，那麼如何讓容器有信息輸入的同時會輸出到控制檯呢，可以用使用以下的命令實現：

sudo docker attach 44aa680ac51f

如果要以終端的方式進入到容器中，可以使用以下的命令：

sudo docker exec -it 44aa680ac51f /bin/bash

安裝完成之後，可以進行測試，測試情閱讀最後的測試部分。

四、Bazel下安裝TensorFlow

 

 

 

五、Anaconda下安裝TensorFlow

 

 

測試

安裝完成之後，我們要測試一下環境是不是已經成功安裝並且可以正常使用了。

首先編譯一個測試test1.py文件：

import tensorflow as tf

hello = tf.constant('Hello, TensorFlow!')

sess = tf.Session()

print(sess.run(hello))

然後我們執行這個文件python3 test1.py就可以運行它了，正常情況下會輸出以下內容：

2018-07-08 15:11:05.240607: I tensorflow/core/platform/cpu_feature_guard.cc:140] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2 FMA
b'Hello, TensorFlow!'

以上是在終端上操作的，那麼使用Docker應該如何執行這些文件呢。有兩種方法，一種就是以命令終端的方式進入到TensorFlow鏡像中，之後的操作就跟在Ubuntu操作差不多了：

docker run -it -v $PWD:/work tensorflow/tensorflow:1.8.0-py3 /bin/bash

另一種就是掛載目錄到鏡像上，然後直接通過命令執行代碼文件：

docker run -it -v $PWD:/work -w /work tensorflow/tensorflow:1.8.0-py3 python3 /work/test1.py

參考資料

https://opsx.alibaba.com/mirror
https://www.tensorflow.org/install/install_linux
https://www.tensorflow.org/install/install_windows
https://www.tensorflow.org/install/install_sources
https://blog.csdn.net/u014132659/article/details/51544754
http://www.tensorfly.cn/tfdoc/get_started/introduction.html
https://blog.csdn.net/u010099080/article/details/53418159
https://blog.csdn.net/u010397369/article/details/41045251
https://github.com/tensorflow/models/tree/master/research/slim#pre-trained-models