TensorFlow实战笔记：第3章编译及安装指南

本文详细介绍了TensorFlow的编译及安装方法，分为CPU和GPU两种情况。使用CPU版本的安装较为简单，建议使用Anaconda作为Python环境管理工具，尤其在Linux和Mac系统上支持较好。GPU版本则需要先安装CUDA和cuDNN，适用于有NVIDIA显卡的用户。文章还提供了Anaconda的安装步骤以及TensorFlow CPU和GPU版本的具体安装方法，包括从预编译的release版本到使用源码编译的详细指导。

3.1 TensorFlow的编译及安装

安装TensorFlow有两种主要情况：

• 使用CPU，安装相对简单。
• 使用GPU，需要先安装CUDA和cuDNN，过程较为复杂。

无论哪种情况，我们都建议使用Anaconda作为Python的环境管理工具，因为它可以有效避免许多兼容性问题。

TensorFlow目前在Linux和Mac系统上支持较为完善（对Windows的支持尚不全面）。在Mac系统上，主要使用CPU版本（因为Mac系统很少使用NVIDIA显卡，而TensorFlow对CUDA的支持较好，对AMD的OpenCL支持仍处于实验阶段），其安装方式与Linux的CPU版本基本一致。

安装Anaconda

Anaconda是一个用于科学计算的Python发行版，内置了数百个常用的Python库，包括用于机器学习和数据挖掘的库，如Scikit-learn、NumPy、SciPy和Pandas等，其中一些可能是TensorFlow的依赖库。

Anaconda的下载地址：

在Mac上，有两种安装方式：一种是图形界面的安装程序(.pkg)，另一种是命令行安装程序(.sh)，通常选择后者。下载后，执行以下命令：

bash Anaconda3-4.4.0-MacOSX-x86_64.sh

TensorFlow CPU版本的安装

TensorFlow的CPU版本安装相对简单，分为两种情况：

1. 安装预编译的release版本，推荐大多数用户使用这种方式。
2. 使用分支源码进行编译安装。

第一种：安装release版本

从https://github.com/tensorflow/tensorflow下载最新的release版本(.whl)到本地，然后执行：

pip install --gpgrade tensorflow-1.3.0rc0-py3-none-any.whl

第二种：使用源码编译安装

首先，确保系统已安装gcc（版本最好在4.8到5.4之间），并安装构建工具bazel。bazel是Google的编译工具，以其快速、可扩展、灵活和可靠著称，下载和安装方式如下：

安装步骤：

(1) 下载源码包并解压：

wget https://github.com/tensorflow/tensorflow/archive/v1.3.0-rc0.tar.gztar -zxvf v1.3.0-rc0.tar.gz

(2) 进入源码目录并配置：

cd tensorflow-1.3.0-rc0./configure

选择Python路径，确保使用Anaconda的Python路径；选择CPU编译优化选项，默认-march=native即可；是否使用jemalloc作为默认的malloc实现（仅Linux），默认即可；是否开启Google云平台支持，选择否；是否需要支持Hadoop File System，如果需要读取HDFS数据，选择yes；是否开启XLA JIT编译功能，建议选择no；选择Python的Library路径，依然使用Anaconda的路径；不选择使用GPU，包括OpenCL和CUDA。

(3) 执行编译：

bazel build --copt=-march=native -c opt //tensorflow/tools/pip_package:build_pip_package

(4) 编译结束后，生成pip安装包：

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

(5) 最后安装：

pip install /tmp/tensorflow_pkg/tensorflow-xxx-xxx-xxx-xxx.whl

TensorFlow GPU版本的安装

TensorFlow的GPU版本安装相对复杂。首先需要NVIDIA显卡，然后安装显卡驱动、CUDA和cuDNN。

CUDA的安装

CUDA是NVIDIA推出的用于通用计算（General Purpose GPU）的SDK，安装包通常包含显卡驱动。

先下载NVIDIA CUDA：

(1) 暂停NVIDIA驱动的X server：

sudo init 3

(2) 将CUDA的安装包权限设置为可执行，并安装：

chmod u+x cuda_8.0.61_375.26_linux.runsudo ./cuda_8.0.61_375.26_linux.run

(3) 按q键跳过协议说明，接受协议后选择安装驱动程序。

(4) 选择安装路径，通常默认/usr/local/cuda-8.0。

(5) 不安装CUDA例子。

(6) 安装完毕。

cuDNN的安装

cuDNN是NVIDIA推出的深度学习中CNN和RNN的高度优化的实现。

下载cuDNN：

进入安装目录并解压包：

cd /usr/localsudo tar -zxvf cudnn-8.0-linux-x64-v5.1.tgz

这样就完成了cuDNN的安装。

CUDA的环境变量设置

vim ~/.bashrcexport LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:/usr/local/cuda-8.0/extras/CUPTI/lib64:$LD_LIBRARY_PATHexport CUDA_HOME=/usr/local/cuda-8.0export PATH=/usr/local/cuda-8.0/bin:$PATHsource ~/.bashrc

安装TensorFlow

从https://github.com/tensorflow/tensorflow下载最新的GPU release版本(.whl)到本地，执行：

pip install --gpgrade tensorflow_gpu-1.3.0rc0-cp35-cp35m-linux_x86_64.whl

然后一步步选择安装完成。

以上就是《TensorFlow实战笔记：第3章编译及安装指南》的详细内容，更多关于的资料请关注golang学习网公众号！