正文
一、安裝anaconda
二、安裝tensorflow
三、調試
正文用過一段時間的caffe後,對caffe有兩點感受:1、速度確實快; 2、 太不靈活了。
深度學習技術一直在發展,但是caffe的更新跟不上進度,也許是維護團隊的關系:CAFFE團隊成員都是業余時間在維護和更新。導致的結果就是很多新的技術在caffe裡用不了,比如RNN, LSTM,batch-norm等。當然這些現在也算是舊的東西了,也許caffe已經有了,我已經很久沒有關注caffe的新版本了。它的不靈活之處就是新的東西很難自己擴展,只能等版本更新,這就比較尴尬。
因此,只學caffe一個工具看來是不行了,還得學習其它工具。該學什麼呢?當然是如日中天的tensorflow了,畢竟它背後的團隊很強大,功能也比較齊全,更新也很及時。所謂技多不壓身,學了caffe後再學tensorflow,兩者結合著用。
關於tensorflow的介紹,此處不再啰嗦。關於gpu的安裝與配置,此處也不涉及。
一、安裝anacondatensorflow是基於python腳本語言的,因此需要安裝python, 當然還需要安裝numpy、scipy、six、matplotlib等幾十個擴展包。如果一個個安裝,裝到啥時候去?(我曾經光安裝scipy就裝了一天。。。)
不過現在有了集成環境anaconda,安裝就方便了。python的大部分擴展包, 都集成在anaconda裡面了,因此只需要裝這一個東西就行了。
先到https://www.anaconda.com/products/distribution 下載anaconda, 現在的版本有python2.7版本和python3.5版本,下載好對應版本、對應系統的anaconda,它實際上是一個sh腳本文件,大約300M-400M左右。推薦使用linux版的python 2.7版本,因為tensorflow中的有些東西不支持python3.5(如cPickle)。
下載成功後,在終端執行(2.7版本):
# bash Anaconda2-4.1.1-Linux-x86_64.sh
或者3.5 版本:
# bash Anaconda3-4.1.1-Linux-x86_64.sh
在安裝的過程中,會問你安裝路徑,直接回車默認就可以了。有個地方問你是否將anaconda安裝路徑加入到環境變量(.bashrc)中,這個一定要輸入yes
安裝成功後,會有當前用戶根目錄下生成一個anaconda2的文件夾,裡面就是安裝好的內容。在終端可以輸入
conda info 來查詢安裝信息
輸入conda list 可以查詢你現在安裝了哪些庫,常用的python, numpy, scipy名列其中。如果你還有什麼包沒有安裝上,可以運行
conda install *** 來進行安裝(***代表包名稱),如果某個包版本不是最新的,運行 conda update *** 就可以了。
二、安裝tensorflow先在終端執行:
anaconda search -t conda tensorflow
搜索一下有哪些tensorflow安裝包,通過查看版本,選擇最高的版本安裝。比如我看到是0.10.0rc0版本是最高的,如下圖:
因此,執行下面代碼來查看詳細信息:
anaconda show jjhelmus/tensorflow
它就會告訴你,怎麼來安裝這個包,在終端執行:
conda install --channel https://conda.anaconda.org/jjhelmus tensorflow
然後輸入"y",進行安裝。
三、調試安裝成功與否,我們可以測試一下。
在終端輸入python,進入python編譯環境,然後輸入:
import tensorflow as tf
引包tensorflow包,如果沒有報錯,則安裝成功,否則就有問題。
然後可以輸入
tf.__version__tf.__path__
查看tensorflow的安裝版本和安裝路徑(左右各兩根下橫線)。
以上就是python深度學習tensorflow安裝調試教程的詳細內容,更多關於tensorflow安裝調試的資料請關注軟件開發網其它相關文章!