本文中我们将会详细讲解TensorFlow2.0安装。Tensorflow兼容性最好的是Unix内核的系统，如Linux，MacOS等。另外TensorFlow的GPU版本仅支持Linux环境，不支持Windows和Mac环境，因此本文仅针对Linux系统环境。我们会统一使用Anaconda，在Mac和Windows下安装的过程也较为简单，读者可以自行参考其官方文档。Anaconda官网有各个平台详细的安装使用教程：https://docs.anaconda.com/anaconda/install/。
1. 安装Anaconda
我们使用python3.6，因此我们下载Anaconda5.2.0版本，该版本对应的python版本是3.6.5，为了下载的更快一点，我们从清华大学的镜像站下载，下载“Anaconda3-5.2.0-Linux-x86_64.sh”文件。
1.1 安装Anaconda
- 执行“bash Anaconda3-5.2.0-Linux-x86_64.sh”，提示需要阅读licenses，按下回车继续。
安装Anaconda
- 出现提示是否接受licenses，输入“yes”回车。提示Anaconda将要安装的位置，回车 确认。
- 提示是否要写入配置文件，输入“yes”回车。
- 提示是否安装“VSCode”，输入“no”回车。安装完成。
安装好后我们键入“python3”，此时运行的还是系统自带的python版本，我们执行“source ~/.bashrc”让配置生效，此时在执行“python3”，运行的就是Anaconda。
1.2 创建虚拟环境
接下来我们在Anaconda中创建一个虚拟Python环境，终端中执行如下命令：
conda create --name apython python=3.6
接着出现提示是否继续，输入“y”回车，稍等片刻一个Python3.6的虚拟环境就创建好了。此时系统中有多个版本的Python，为了方便使用，我们配置一下环境变量，为每个版本的Python设置一个别名。另外为了后面方便使用“pip”来管理虚拟环境的包，我们为虚拟环境的“pip”命令也创建一个别名。
编辑“~/.bashrc”文件，在文件末尾增加如下内容：
alias python="/usr/bin/python2"
alias python3="/usr/bin/python3"
alias apython="/home/lqhou/anaconda3/envs/apython/bin/python3"
alias apip="/home/lqhou/anaconda3/envs/apython/bin/pip"
注意Anaconda的路径要根据实际情况来填写，“/home/lqhou/anaconda3”为作者系统上Anaconda的安装路径。配置完成后键入“source ~/.bashrc”让配置生效，之后我们分别执行“python”、“python3”和“apython”命令：
测试别名
这里python和python3命名指向的都是系统自带的python版本，apython命令指向的是我们刚刚创建的python虚拟环境。这里需要注意，当我们要使用“pip”命令为我们创建的python虚拟环境安装包时，需要使用这里我们配置的“apip”命令，直接使用pip或pip3命令，会把包安装到系统自带的python环境中。
2. 安装TensorFlow
我们可以直接使用“pip install tensorflow==2.0.0-alpha0”命令来进行安装。由于作者使用的pip源还没有加入“TensorFlow2.0.0-alpha0”版本，所以这里我们直接到“PyPi”网站下载TensorFlow2.0 Alpha版的安装包。进入网址：https://pypi.org/project/tensorflow/2.0.0a0/#files，部分安装包如下图所示：
TensorFlow2.0 Alpha版安装包列表
这里我们需要根据实际的Python版本和操作系统环境来下载相应的安装包，这里作者的python版本是python3.6.8，操作系统是64位的Ubuntu16.04。因此作者下载的是“tensorflow-2.0.0a0-cp36-cp36m-manylinux1_x86_64.whl”。
下载完成后，我们执行如下命令进行安装。
apip install tensorflow-2.0.0a0-cp36-cp36m-manylinux1_x86_64.whl
安装完成后，我们进入python的交互式解释器环境验证安装是否成功，如图所示：
测试TensorFlow2.0 Alpha是否安装成功
3. 使用Jupyter Notebook
Jupyter Notebook是一个开源的Web应用程序，常被用于交互式的开发和展示一些数据科学项目（例如数据清洗和转换、数据可视化以及机器学习等等）。为了方便大家学习，我们会使用Jupyter NoteBook作为我们的编程环境（也可以使用Google的Colab。
在我们安装好Anaconda后，Anaconda集成了Jupyter NoteBook，因此我们可以直接使用。
Anaconda界面
我们直接点击Jupyter下方的“运行”即可启动Jupyter（也可以在终端中输入“jupyter-notebook”来启动），启动之后会自动打开一个WEB页面。这里列出了默认路径下的所有目录和文件，我们可以打开自己存放代码的目录。
Jupyter Notebook启动之后打开的WEB界面
点击页面右上角的“new”菜单，再点击“python[conda env:apython3]”菜单之后就会创建一个新的后缀名为“ipynb”的notebook文件。读者的“new”菜单中可能只有一个“Python”kernel，而没有另外两个Anaconda的python环境的kenel。这里可以在命令行下执行命令source activate apython3进入我们之前创建的“apython3”虚拟环境，然后再执行命令“jupyter-notebook”命令启动Jupyter，这时我们在“new”菜单下就可以看到我们需要使用的kernel了。
创建一个新的notebook文件
新创建的notebook文件会自动的在新的标签页打开，新创建的是一个空的notebook文件。
打开后的notebook文件
我们在notebook的单元格内输入代码，点击“Run”之后会在单元格的下方显示代码运行的结果。
在notebook文件中编写代码
网友评论