本文目录

• 引言
• 基于Anaconda的tensorflow安装
  • 1 下载linux版本的Anaconda安装包
  • 2 安装Anaconda
• 利用anaconda安装tensorflow
  • 1 建立一个 conda 计算环境
  • 2 激活环境使用 conda 安装 TensorFlow
  • 3 安装tensorflow
  • 4 如何在jupyter中使用tensorflow
• 总结
• 利用Docker安装tensorflow
  • 1 安装docker
  • 2 创建tensorflow的image
• 安装过程中的一些小问题记录

1.引言

TensorFlow = Tensor(向量)+Flow(流)=”张量在网络图中流动”！

主要参考：
[1] Tensorflow官网Tutorials
[2] 极客学院对Tensorflow官网教程的翻译

官方提供了5种安装tensorflow的方法:

• Pip install: Install TensorFlow on your machine, possibly upgrading previously installed Python packages. May impact existing Python programs on your machine.
• Virtualenv install: Install TensorFlow in its own directory, not impacting any existing Python programs on your machine.
• Anaconda install: Install TensorFlow in its own environment for those running the Anaconda Python distribution. Does not impact existing Python programs on your machine.
• Docker install: Run TensorFlow in a Docker container isolated from all other programs on your machine.
• Installing from sources: Install TensorFlow by building a pip wheel that you then install using pip.

几点说明：
1. 由于在使用Tensorflow时，可以直接Python调用，所以，这里决定使用python学习tensorflow
2. 使用python，jupyter notebook是一个不可或缺的工具，所以，本文还将记录如何在ubuntu下安装jupyter
3. 这里主要安装python2.7版本的相关组件

2. 基于Anaconda的tensorflow安装

2.1 下载linux版本的Anaconda安装包

下载地址：https://www.continuum.io/downloads
这里选择64位Linux的Python 2.7版本
点击下载，下载完成后，得到Anaconda2-4.0.0-linux-x86_64.sh安装文件

2.2 安装Anaconda

• 打开terminal,输入如下命令,然后回车
  bash /home/tingting/Downloads/Anaconda2-4.0.0-Linux-x86_64.sh

  这里的/home/tingting/Downloads/是存放Anaconda2-4.0.0-Linux-x86_64.sh的路径

• 阅读license,一步步回车阅读(出现more时通过回车往下看)
  
  

• 输入yes,表示接受license
  

• 设置安装路径,这里使用默认安装路径,直接输入回车即可
  

• 开始自动安装过程
  

• 确认是否将Anaconda的安装路径添加到环境变量中,输入yes
  
  关于这里一定要注意:

  如果在安装过程中,该步没有选择yes,那么Anaconda的安装路径不会被添加到环境变量中,安装结束后会出现如下信息：

  Do you wish the installer to prepend the Anaconda2 install location
  to PATH in your /home/tingting/.bashrc ? [yes|no]
  [no] >>>
  You may wish to edit your .bashrc or prepend the Anaconda2 install location:
  $ export PATH=/home/tingting/anaconda2/bin:$PATH
  Thank you for installing Anaconda2!

  当时也没有注意这个信息，没有管，结果安装完anaconda后，发现根本不能使用，才注意到这条信息，原来，Anaconda的bin路径并没有被添加到PAHT环境变量中，所以需要在命令行中输入如下命令：
  export PATH=/home/tingting/anaconda2/bin:$PATH
  即将anaconda的bin路径添加到环境变量PATH中

• 安装完成
  
  这里可以看到,notebooks和一些python包都被成功安装了,但对于环境变量的更改,必须要新打开一个terminal才能生效,否则,相关的指令都不会被认识
  

• 打开新的terminal,输入Jupyter notebook,发现jupyter被成功安装了
  

• 打开浏览器:http://localhost:8888/tree（可以看到安装了python 2的kernel）
  

3. 利用anaconda安装tensorflow

3.1 建立一个 conda 计算环境

• Create a conda environment called tensorflow:

  conda create -n tensorflow python=2.7

3.2 激活环境,使用 conda 安装 TensorFlow

• Activate the environment and use pip to install TensorFlow inside it.

  source activate tensorflow

  • 1

  

  • 1

  

3.3 安装tensorflow

• 安装

  pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.8.0rc0-cp27-none-linux_x86_64.whl

  • 1

  

  • 1

  

  之前在虚拟机中的ubutnu下安装tensorflow,就在这一步折腾了2天,就是不成功,每次都是timeout等各种问题,这次在双系统的机器上,瞬间就装好了,实在不知道之前的失败是因为虚拟机还是网速的问题

• 安装成功后,每次使用 TensorFlow 的时候需要激活 conda 环境,可以看到,在正常情况下,是anaconda的bin路径在环境变量中,但激活conda-tensorflow环境后,环境变量中存储的是tensorflow下的bin路径
  

• 测试tensorflow是否安装成功
  (1) 激活conda环境
  (2)进入python
  (3)import tensorflow
  整个过程比较顺利,tensorflow被成功import了
  

3.4 如何在jupyter中使用tensorflow

(1) 出现了问题
安装如上方法安装了jupyter和tensorflow,结果,利用jupyter无法使用tensorflow

也没有查到特别有针对性的解决这个问题的资料,好像是因为jupyter的安装路径和tensorflow的路径之间的问题,具体的现在还不是很清楚

(2)如何解决?
应该是在conda的tensorflow环境下没有jupyter,它无法使用之前anaconda安装的jupyter,那么,简单粗暴的方法就是在当前的conda-tensorflow环境下,再安装一次jupyter:

• 打开terminal
• 激活conda tensorflow环境:source activate tensorflow
• 安装notebook:conda install ipython
• 安装jupyter:conda install jupyter
• 安装完成,仍在conda tensorflow的环境下,输入jupyter notebook,打开http://localhost:8889/tree
• import tensorflow,发现tensorflow可以使用了

参考:http://stackoverflow.com/questions/35771285/using-tensorflow-through-jupyter-python-3

(3)两个jupyter

• 在正常的ternimal中打开的是之前在安装anacodna时安装的jupyter,在正常的terminal下 查看jupyter的安装路径
  which ipyhon
  
  它在anaconda的路径下的bin文件夹中
• 在conda tensorflow环境下打开的jupyter是在conda tensorflow环境下新安装的tensorflow,与上面的jupyter不同
  它在conda的env下的tensorflow的bin文件夹下
• 从下图可以想起地看到,两个jupyter的安装路径完成不同
  
• 后续如果需要在使用tensorflow时使用其他的库,也一定要在对应的conda环境下安装，否则指定的库找不到。

(4) 缺少模块及安装
– ImportError: no module named Image, ImportError: no module named PIL
解决:conda install pillow

4. 总结

(1) 下载安装anaconda,与本文的第2部分同样目的,只不过通过命令行实现

#安装anaconda,从https://www.continuum.io下载
mkdir anaconda2  #在个人目录下创建Aanconda目录
cd anaconda2  #进入目录
wget http://repo.continuum.io/archive/Anaconda2-4.0.0-Linux-x86.sh  #下载anaconda的安装包,利用wget工具
chmod +x Anaconda3-2.5.0-Linux-x86_64.sh  #更改权限(增加可执行权限),使该文件可被执行,
./Anaconda2-4.0.0-Linux-x86.sh  #执行安装文件,或者使用bash Anaconda2-4.0.0-Linux-x86.sh 

(2) 在conda下创建环境,之后的所以操作都部署在该环境下

conda create -n tensorflow python=2.7 #创建tensorflow环境
activate conda tensorflow  #激活tensorflow环境
conda install ipython  #安装notebook
conda install jupyter  #安装jupyter
jupyter notebook #启动jupyter

6.利用Docker安装tensorflow

利用这种方法可以实现在windows上使用tensorflow！具体步骤如下：

6.1 安装docker

在windows7下安装docekr，具体方法见之前的博文：Docker学习系列（一）：windows下安装docker

6.2 创建tensorflow的image

安装好Docker后，接下来，就可以创建包含tensorflow的image了，有两种方案
（1） 从dockerhub上pull别人的image
例如：

docker pull tensorflow/tensorflow
docker pull xblaster/tensorflow-jupyter
docker pull satoshun/tensorflow-notebook

(2)自己书写Dockerfile，然后，在本机编译dockerfile，生成image，对于这种方法，本人还不会，以后有待研究

7.安装过程中的一些小问题记录

注1：安装过程中各种问题
安装过程中，好像是不小心更改了环境变量，导致所有命令都不能使用，那么，可以使用如下命令export PATH=/usr/bin:/bin
注2：在安装过程中发现，例如如上命令总是无法安装tensorflow，会出现网络连接错误的问题，试了好多遍都不行，不知道是不是因为在虚拟机中latern使用不好的问题，所以，最后，只能通过如下方式
（1）在本机下载tensorflow-0.8.0-cp27-none-linux_x86_64.whl
地址为：https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.8.0-cp27-none-linux_x86_64.whl
（2）将下载的tensorflow-0.8.0-cp27-none-linux_x86_64.whl文件放置在共享文件夹中
（3）在虚拟机的ubuntu的terminal中，cd到放置tensorflow-0.8.0-cp27-none-linux_x86_64.whl的路径（即/home/share/），使用如下命令安装tensorflow（即相当于离线安装了）

sudo pip install --upgrade tensorflow-0.8.0-cp27-none-linux_x86_64.whl

注3：怎么向某个文件中填写内容？举例：如何向sources.list文件插入语句sudo vim /etc/apt/sources.list
a #进入插入模式
:wq #保存并退出