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：
安装预编译的release版本，推荐大多数用户使用这种方式。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：
Fireflies.ai
自动化会议记录和笔记工具，可以帮助你的团队记录、转录、搜索和分析语音对话。
99 查看详情 
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：TensorFlow第一步_TensorFlow的编译及安装的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/825218.html
微信扫一扫 
支付宝扫一扫 
