TensorFlow 安装

Grotta Palazzese 帕拉泽塞岩洞餐厅-波利尼亚诺

TensorFlow™ 是一个采用数据流图（data flow graphs），用于数值计算的开源软件库。它灵活的架构让你可以在多种平台上展开计算，例如台式计算机中的一个或多个CPU（或GPU），服务器，移动设备等等。

关于安装 TensorFlow 官方网站上提供了两种方法安装：

• "native" pip
• Anaconda

第一种是直接在系统本地环境下 pip 安装。优点是用户能够直接在任何目录下直接运行 TensorFlow 程序。缺点是可能会影响到系统上其他基于 Python 安装的。

第二种是使用 Anaconda 去安装。优点是会建立一个单独的虚拟环境，两个项目之间不会互相影响。缺点是 conda package 是由社区维护的，官方团队既不提供测试，也不提供维护，需要自担风险。建议是在 Anaconda 中使用 pip 安装。

Native pip 安装仅 cpu 版本的:

C:\> pip3 install --upgrade tensorflow

Native pip 安装 gpu 版本的:

C:\> pip3 install --upgrade tensorflow-gpu

如果使用 Anaconda 方式安装，建议先了解一下 Anaconda 的使用方式，可以参考一下这篇文章：Anaconda多环境多版本python配置指导。

1. 创建一个名字为 tensorflow 的环境 Python 版本为3.5:

   这里一定要加上 python 版本选择，不然他会给你建立一个空的环境，当你激活这个环境执行命令时，她会调用你本机的命令去执行，如果执行 pip 安装，其实会安装到你本地，和这个环境没什么关系。

   C:> conda create -n tensorflow python=3.5 
   

2. 激活 tensorflow :

   C:> activate tensorflow
    (tensorflow)C:>  # Your prompt should change 
   

3. 通过 pip 安装 tensorflow :

   (tensorflow)C:> pip install --ignore-installed --upgrade tensorflow 
   

   安装 gpu 版本的 tensorflow :

   (tensorflow)C:> pip install --ignore-installed --upgrade tensorflow-gpu 
   

接下来就可以测试是否安装成功了

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

如果输出Hello, TensorFlow!，那么恭喜安装成功。

如果在第三条语句执行的时候出现了一些包含SSE2,SSE4,AVX,AVX2,FMA等的单词的时候，不要担心这不是错误。这是因为 TensorFlow 默认分发的是不使用 CPU 扩展来编译的版本，而你的 CPU 是支持使用这些的，使用这些扩展可以加快运行速度。

解决办法有两个：

1. 忽略这些信息

   可以使用 TF 的环境变量 TF_CPP_MIN_LOG_LEVEL 来设置

   • It defaults to 0, displaying all logs
   • To filter out INFO logs set it to 1
   • WARNINGS additionally, 2
   • and to additionally filter out ERROR logs set it to 3

   import os
   os.environ['TF_CPP_MIN_LOG_LEVEL']='2'
   

2. 使用源码重新编译

   关于源码安装可以参考 https://www.tensorflow.org/install/install_sources 。官方是不正式支持在 windows 上构建 TensorFlow 的，但是也是可以使用 Bazel 和 CMake 去编译的，有两个链接Bazel on Windows 和 TensorFlow CMake build。我认为在 Windows 上还是使用 CMake 比较好，看了看前提条件以及步骤，决定不去踩坑了，我需要钱搞一台机器了（其实我 GPU 挺好的，可惜是 AMD 的）。因为见过一句话 ：hence will be faster on a CPU that supports AVX and FMA (up to 300%)。无论真假，跟 GPU 相比远远不及是肯定的。如果有 GPU 支持的话，非常耗时的操作会由 GPU 来执行，根本不用关心是否需要使用这些扩展。

我是通过 Anaconda pip 安装的，这里列一下我出现的问题。

第一个：

Collecting setuptools (from protobuf>=3.3.0->tensorflow)
  Could not find a version that satisfies the requirement setuptools (from protobuf>=3.3.0->tensorflow) (from versions: )
No matching distribution found for setuptools (from protobuf>=3.3.0->tensorflow)

其实我第一次安装是直接 pip 安装的，特别顺利什么问题都没有，一次安装成功，到这里居然不行了。通过查找资料发现是因为自带的setuptools 版本较低，通过命令升级一下就可以：

pip install setuptools --ignore-installed

还有一个鬼才知道的问题：

在第一次pip install --ignore-installed --upgrade tensorflow运行的时候，在Collecting protobuf>=3.3.0 (from tensorflow)这个步骤上什么问题都没有。可是解决掉 setuptools 问题后，再一次pip的时候出现了这样的错误信息：

Could not find a version that satisfies the requirement protobuf>=3.3.0 (from tensorflow) (from versions: )
No matching distribution found for protobuf>=3.3.0 (from tensorflow)

下意识告诉我卸掉 protobuf (我也不知道为啥)，然后我就去做了，pip 和 conda 都告诉我没有安装。接着我就又pip，然后就莫名地好了。