在 Ubuntu 上安装 TensorFlow

这篇指南描述了如何在 Ubuntu 上安装 TensorFlow。这些实例也可能在其他 Linux 版本生效，但我们只在 Ubuntu 14.04 及更高的版本上测试过。

确定 TensorFlow 版本

如下之中选择一种来安装:

只支持 CPU 的 TensorFlow。如果你的系统不支持 NVIDIA® GPU, 你必须安装这个版本。这个版本的 TensorFlow 通常安装起来比较简单（一般 5 到 10分钟），所以即使你拥有 NVIDIA GPU，我们也推荐首先安装这个版本。
支持 GPU 的 TensorFlow. TensorFlow 在 GPU 上通常比在 CPU 上的执行的更快。所以如果你有符合如下要求的 NVIDIA® GPU 并且需要注重性能，可以随后安装这个版本。

GPU support TensorFlow 的 NVIDIA 需求

需要事先安装如下 NVIDIA 软件。

CUDA® Toolkit 8.0. 详见 NVIDIA's documentation。确保按照文档中描述的将 Cuda 相关路径加入到 LD_LIBRARY_PATH 环境变量中。
CUDA Toolkit 8.0 相关的 NVIDIA 驱动。
cuDNN v5.1。详见 NVIDIA's documentation。确保创建了 CUDA_HOME 环境变量。
CUDA Compute Capability 3.0 或更高的 GPU 芯片。支持的 GPU 芯片详见 NVIDIA documentation 。
libcupti-dev 库, 该库提供了高级的性能支持，按如下命令安装：
```
$ sudo apt-get install libcupti-dev
```

如果含有上述库但版本较老，先升级。如果不能升级，操作如下：

从源码安装 TensorFlow
安装或升级至少如下版本:
- CUDA toolkit 7.0 或更高
- cuDNN v3 或更高
- CUDA Compute Capability 3.0 或更高的 GPU 芯片。

确定如何安装 TensorFlow

有如下选择：

virtualenv
"native" pip
Docker
Anaconda

推荐 virtualenv 安装 （略过四种方法的说明，自行查找）

virtualenv 安装

步骤如下：

安装 pip 及 virtualenv：

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

建立 virtualenv 环境：
```
$ virtualenv --system-site-packages targetDirectory 
```
targetDirectory 指明了 virtualenv 的位置。

激活 virtualenv 环境：

$ source ~/tensorflow/bin/activate # bash, sh, ksh, or zsh
$ source ~/tensorflow/bin/activate.csh  # csh or tcsh

如上操作会将提示符更改为如下：

 (tensorflow)$

如下命令中选取一个安装 TensorFlow：

(tensorflow)$ pip install --upgrade tensorflow      # for Python 2.7
(tensorflow)$ pip3 install --upgrade tensorflow     # for Python 3.n
(tensorflow)$ pip install --upgrade tensorflow-gpu  # for Python 2.7 and GPU
(tensorflow)$ pip3 install --upgrade tensorflow-gpu # for Python 3.n and GPU

上述命令成功则跳过步骤5，否则执行步骤5。

(可选) 如果步骤4失败 (通常因为 pip 版本小于 8.1)：
```
(tensorflow)$ pip install --upgrade TF_PYTHON_URL   # Python 2.7
(tensorflow)$ pip3 install --upgrade TF_PYTHON_URL  # Python 3.N 
```
TF_PYTHON_URL 指定了 python tensorflow 的包的地址。TF_PYTHON_URL 依赖于操作系统、Python 版本、GPU 支持，从这里找到合适的URL。如，安装 TensorFlow for Linux, Python 2.7、CPU-only，使用如下命令：
```
(tensorflow)$ pip3 install --upgrade \
https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.1.0-cp34-cp34m-linux_x86_64.whl
```

如果遇到安装问题，详见常见安装问题.

下一步

安装完毕之后：验证安装结果。

注意，每次使用 TensorFlow 前需要先激活 virtualenv 环境，使用如下命令：

$ source ~/tensorflow/bin/activate      # bash, sh, ksh, or zsh 
$ source ~/tensorflow/bin/activate.csh  # csh or tcsh

激活之后可从当前 shell 执行命令，此时提示符变成如下：

(tensorflow)$

使用完毕 TensorFlow 可用 deactivate 命令退出当前 virtualenv 环境：

(tensorflow)$ deactivate

此时提示符将会返回到默认提示符（在 PS1 环境变量中定义）。

卸载 TensorFlow

卸载 TensorFlow，删除相关目录即可：

$ rm -r targetDirectory

原生 pip 安装

注意： setup.py 的 REQUIRED_PACKAGES 部分列出了 pip 将会安装或者升级的 TensorFlow 包。

前提：Python 及 Pip

Python 已经在 Ubuntu 中自动安装了。花谢时间确定（python -v）你的操作系统中含有如下 Python 版本中的一个：

Python 2.7
Python 3.3+

Pip 或 pip3 通常已经在 Ubuntu 中安装。花些时间确定（pip -V或pip3 -V）已经安装。强烈建议使用 8.1 或更高的版本。如果 8.1 或更高的版本没有安装，使用如下命令安装或升级到最新 pip 版本：

$ sudo apt-get install python-pip python-dev

安装 TensorFlow

假定已经安装了如上必要软件，如下步骤安装 TensorFlow：

如下命令之一安装：

$ pip install tensorflow      # Python 2.7; CPU support (no GPU support)
$ pip3 install tensorflow     # Python 3.n; CPU support (no GPU support)
$ pip install tensorflow-gpu  # Python 2.7;  GPU support
$ pip3 install tensorflow-gpu # Python 3.n; GPU support

如上命令执行完毕，可验证安装结果.

(可选) 如果步骤1失败，使用如下命令安装：
```
$ sudo pip  install --upgrade TF_PYTHON_URL   # Python 2.7
$ sudo pip3 install --upgrade TF_PYTHON_URL   # Python 3.N 
```
TF_PYTHON_URL 指定了 python tensorflow 的包的地址。TF_PYTHON_URL 依赖于操作系统、Python 版本、GPU 支持，从这里找到合适的URL。例如，安装 TensorFlow for Linux, Python 3.4、CPU-only，使用如下命令：
```
$ sudo pip3 install --upgrade \
https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.1.0-cp34-cp34m-linux_x86_64.whl
```
该步骤失败查询常见安装问题.

下一步

安装完毕之后：验证安装结果。

卸载 TensorFlow

如下命令卸载：

$ sudo pip uninstall tensorflow  # for Python 2.7
$ sudo pip3 uninstall tensorflow # for Python 3.n

Docker 安装

如下步骤通过 Docker 安装 TensorFlow：

按描述在你的机器上安装 Docker Docker documentation.
可选，建立名为docker的用户组以便不通过 sudo 来登陆 container， Docker documentation. （如果省略该步骤，每次启动 Docker 都需要使用 sudo。）
为安装支持 GPU 的 TensorFlow 版本，需要首先安装 nvidia-docker
启动含有 TensorFlow binary images. 之一的 Docker 容器。

本章节的其余部分描述了如何启动一个 Docker 容器。

CPU-only

使用如下命令启动一个 CPU-only Docker 容器：

$ docker run -it -p hostPort:containerPort TensorFlowCPUImage

其中：

-p hostPort:containerPort 可选。如果计划从 shell 执行 TensorFlow 程序，忽略该选项。如果计划作为Jupyter notebooks执行 TensorFlow 程序，设定 hostPort 及 containerPort 均为 8888。如果计划在容器中启动 TensorBoard，添加第二个 -p 参数, 设定 hostPort 及 containerPort 均为 6006.
TensorFlowCPUImage 是必须的. 它指定了使用的容器，如下选项中选取一个：
- gcr.io/tensorflow/tensorflow, TensorFlow CPU 镜像。
- gcr.io/tensorflow/tensorflow:latest-devel, 最新的 TensorFlow CPU 镜像外加源代码。
- gcr.io/tensorflow/tensorflow:version，指定版本（如1.0.1）。
- gcr.io/tensorflow/tensorflow:version-devel，指定版本外加源代码。
gcr.io 是 Google 的容器仓库。注意一些镜像同样可从 dockerhub获取。

例如，如下命令在一个容器中启动最新的 TensorFlow CPU 镜像，你可以在 shell 中执行 TensorFlow 程序：

$ docker run -it gcr.io/tensorflow/tensorflow bash

如下命令同样在一个容器中启动最新的 TensorFlow CPU 镜像。但是在该容器中，你可以在Jupyter notebook中执行 TensorFlow 程序：

$ docker run -it -p 8888:8888 gcr.io/tensorflow/tensorflow

Docker 会在你第一次启动 TensorFlow 镜像时下载它。

GPU support

安装支持 GPU 的 TensorFlow 之前，确保你的系统满足 NVIDIA software requirements。To launch a Docker container 通过如下命令，启动一个支持 GPU 的 TensorFlow 的 Docker 容器

$ nvidia-docker run -it -p hostPort:containerPort TensorFlowGPUImage

其中：

-p hostPort:containerPort 可选。如果计划从 shell 执行 TensorFlow 程序，忽略该选项。如果计划作为Jupyter notebooks执行 TensorFlow 程序，设定 hostPort 及 containerPort 均为 8888。
TensorFlowCPUImage 是必须的. 它指定了使用的容器，如下选项中选取一个：
- gcr.io/tensorflow/tensorflow:latest-gpu，最新 TensorFlow GPU 镜像。
- gcr.io/tensorflow/tensorflow:latest-devel-gpu，最新 TensorFlow GPU 镜像外加源代码。
- gcr.io/tensorflow/tensorflow:version-gpu，指定版本的 TensorFlow GPU 镜像。
- gcr.io/tensorflow/tensorflow:version-devel-gpu，指定版本的 TensorFlow GPU 镜像外加源代码。

我们推荐安装一个最新版。如下命令可以在 Docker 容器中启动一个最新版本 TensorFlow GPU 镜像，你可以在其 shell 中执行TensorFlow 程序：

$ nvidia-docker run -it gcr.io/tensorflow/tensorflow:latest-gpu bash

如下命令同样在一个容器中启动最新的 TensorFlow GPU 镜像。但是在该容器中，你可以在Jupyter notebook中执行 TensorFlow 程序：

$ nvidia-docker run -it -p 8888:8888 gcr.io/tensorflow/tensorflow:latest-gpu

如下命令启动一个老版本的 TensorFlow：

$ nvidia-docker run -it -p 8888:8888 gcr.io/tensorflow/tensorflow:0.12.1-gpu

Docker 会在你第一次启动 TensorFlow 镜像时下载它。详情 TensorFlow docker readme.

下一步

安装完毕之后：验证安装结果。

Anaconda 安装

按照如下步骤在 Anaconda 环境中安装 TensorFlow：

按说明下载并安装 Anaconda： Anaconda download site
建立一个 conda 环境，命名为 tensorflow，以便运行某个 Python 版本：
```
$ conda create -n tensorflow
```

激活 anaconda 环境：

$ source activate tensorflow
(tensorflow)$  # 你的提示符应变化

在你的 conda 环境中安装 TensorFlow：

(tensorflow)$ pip install --ignore-installed --upgrade TF_PYTHON_URL

其中 TF_PYTHON_URL 是 TensorFlow Python 包地址. 比如：如下命令可以为 Python 3.4 安装 CPU-only 版本的 TensorFlow：

(tensorflow)$ pip install --ignore-installed --upgrade \
https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.1.0-cp34-cp34m-linux_x86_64.whl

验证安装结果

按如下操作验证 TensorFlow 安装结果：

确保准备环境完备
执行一个简短的 TensorFlow 程序

准备环境

If you installed on native pip, virtualenv, or Anaconda, then do the following: 如果通过原生 pip、virtualenv、Anaconda 安装，做如下操作：

启动一个 terminal
如果通过 virtualenv 或 Anaconda 安装，激活容器
如果你安装了 TensorFlow 源码，定位到不含源码的任一目录中

如果通过 Docker 安装，启动一个可以通过 bash 操作的 Docker 容器：

$ docker run -it gcr.io/tensorflow/tensorflow bash

执行一个简短的 TensorFlow 程序

在 shell 中调用 Python：

$ python

在 Python 交互式环境中输入如下命令：

>>> import tensorflow as tf
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess = tf.Session()
>>> print(sess.run(hello))

如果系统输出如下，则安装成功：

Hello, TensorFlow!

如果你新接触 TensorFlow，参考初识 TensorFlow进行下一步学习。

如果系统输出错误信息而非欢迎信息，查看常见安装问题。

常见安装问题

我们依靠 Stack Overflow 来编写 TensorFlow 安装问题及解决方案的文档。如下表格包含了 Stack Overflow 上比较常见的安装问题的连接。如果你遇到了不在列表中的新的错误信息或者其他安装问题，请在 Stack Overflow 上搜索。如果搜索不到，请在 Stack Overflow 上提出一个新的问题，并打上 tensorflow 的标签。

Stack Overflow Link	Error Message
36159194	ImportError: libcudart.so.Version: cannot open shared object file: No such file or directory
41991101	ImportError: libcudnn.Version: cannot open shared object file: No such file or directory
36371137 and here	libprotobuf ERROR google/protobuf/src/google/protobuf/io/coded_stream.cc:207] A protocol message was rejected because it was too big (more than 67108864 bytes). To increase the limit (or to disable these warnings), see CodedInputStream::SetTotalBytesLimit() in google/protobuf/io/coded_stream.h.
35252888	Error importing tensorflow. Unless you are using bazel, you should not try to import tensorflow from its source directory; please exit the tensorflow source tree, and relaunch your python interpreter from there.
33623453	IOError: [Errno 2] No such file or directory: '/tmp/pip-o6Tpui-build/setup.py'
42006320	ImportError: Traceback (most recent call last): File ".../tensorflow/core/framework/graph_pb2.py", line 6, in from google.protobuf import descriptor as _descriptor ImportError: cannot import name 'descriptor'
35190574	SSLError: [SSL: CERTIFICATE_VERIFY_FAILED] certificate verify failed
42009190	Installing collected packages: setuptools, protobuf, wheel, numpy, tensorflow Found existing installation: setuptools 1.1.6 Uninstalling setuptools-1.1.6: Exception: ... [Errno 1] Operation not permitted: '/tmp/pip-a1DXRT-uninstall/.../lib/python/_markerlib'
36933958	... Installing collected packages: setuptools, protobuf, wheel, numpy, tensorflow Found existing installation: setuptools 1.1.6 Uninstalling setuptools-1.1.6: Exception: ... [Errno 1] Operation not permitted: '/tmp/pip-a1DXRT-uninstall/System/Library/Frameworks/Python.framework/ Versions/2.7/Extras/lib/python/_markerlib'

TensorFlow Python 包地址（`TF_PYTHON_URL`）

一些安装方法需要 TensorFlow Python 包，它的地址依赖于几个方面：

操作系统
Python 版本
CPU-only 还是 GPU support

Python 2.7

CPU only:

https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.1.0-cp27-none-linux_x86_64.whl

GPU support:

https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.1.0-cp27-none-linux_x86_64.whl

注意 GPU 支持需要满足 NVIDIA 硬件需求以及在 GPU support TensorFlow 的 NVIDIA 需求中描述的软件。

Python 3.4

CPU only:

https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.1.0-cp34-cp34m-linux_x86_64.whl

GPU support:

https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.1.0-cp34-cp34m-linux_x86_64.whl

注意 GPU 支持需要满足 NVIDIA 硬件需求以及在 GPU support TensorFlow 的 NVIDIA 需求中描述的软件。

Python 3.5

CPU only:

https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.1.0-cp35-cp35m-linux_x86_64.whl

GPU support:

https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.1.0-cp35-cp35m-linux_x86_64.whl

注意 GPU 支持需要满足 NVIDIA 硬件需求以及在 GPU support TensorFlow 的 NVIDIA 需求中描述的软件。

Python 3.6

CPU only:

https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.1.0-cp36-cp36m-linux_x86_64.whl

GPU support:

https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.1.0-cp36-cp36m-linux_x86_64.whl

注意 GPU 支持需要满足 NVIDIA 硬件需求以及在 GPU support TensorFlow 的 NVIDIA 需求中描述的软件。

Protobuf pip 包 3.1

如果没有遇到和 protobuf pip 包相关的问题，你可以跳过这个部分。

注意： 如果你的 TensorFlow 运行缓慢，你可能遇到了一个 protobuf pip 包相关的问题。

TensorFlow pip 包依赖于 protobuf pip 包 3.1。从 PyPI 下载的 protobuf 是 proto 序列化/反序列化的纯 Python 实现的库，其速度比 C++ 实现慢10-50倍。Protobuf 支持二进制扩展，速度更快，基于 C++。但该扩展无法在纯Python实现的 pip 包中获取。我们制作了包含该二进制扩展的protobuf pip 包。如下命令可安装该自定义的 protobuf pip 包：

for Python 2.7:

$ pip install --upgrade \
https://storage.googleapis.com/tensorflow/linux/cpu/protobuf-3.1.0-cp27-none-linux_x86_64.whl

for Python 3.5:

$ pip3 install --upgrade \
https://storage.googleapis.com/tensorflow/linux/cpu/protobuf-3.1.0-cp35-none-linux_x86_64.whl

安装这个 protobuf 包会覆盖已经存在的 protobuf 包。注意该二进制 pip 包已经支持大于 64MB 的问题，修复了如下问题：

[libprotobuf ERROR google/protobuf/src/google/protobuf/io/coded_stream.cc:207]
Protocol message 被拒绝，因为太大（大于 67108864 字节）。
为增大限制或禁用报警，
在 google/protobuf/io/coded_stream.h 中查看 CodedInputStream::SetTotalBytesLimit()

在 Ubuntu 上安装 TensorFlow

在 Ubuntu 上安装 TensorFlow

确定 TensorFlow 版本

GPU support TensorFlow 的 NVIDIA 需求

确定如何安装 TensorFlow

virtualenv 安装

下一步

卸载 TensorFlow

原生 pip 安装

前提：Python 及 Pip

安装 TensorFlow

下一步

卸载 TensorFlow

Docker 安装

CPU-only

GPU support

下一步

Anaconda 安装

验证安装结果

准备环境

执行一个简短的 TensorFlow 程序

常见安装问题

TensorFlow Python 包地址（`TF_PYTHON_URL`）

Python 2.7

Python 3.4

Python 3.5

Python 3.6

Protobuf pip 包 3.1

results matching ""

No results matching ""

在 Ubuntu 上安装 TensorFlow

确定 TensorFlow 版本

GPU support TensorFlow 的 NVIDIA 需求

确定如何安装 TensorFlow

virtualenv 安装

下一步

卸载 TensorFlow

原生 pip 安装

前提：Python 及 Pip

安装 TensorFlow

下一步

卸载 TensorFlow

Docker 安装

CPU-only

GPU support

下一步

Anaconda 安装

验证安装结果

准备环境

执行一个简短的 TensorFlow 程序

常见安装问题

TensorFlow Python 包地址（TF_PYTHON_URL）

Python 2.7

Python 3.4

Python 3.5

Python 3.6

Protobuf pip 包 3.1

results matching ""

No results matching ""

TensorFlow Python 包地址（`TF_PYTHON_URL`）