【工具安装和配置】Linux(Centos)下安装TensorF

安装TensorFlow之前，首先我们需要安装Python环境，以及pip命令。如果你的系统中没有这些依赖环境，请参考Linux(Centos)下安装Python3.6和pip

安装Vitrualenv

Virtualenv 是一个与其他 Python 开发相互隔离的虚拟 Python 环境，它无法干扰同一计算机上的其他 Python 程序，也不会受其影响。
要开始使用 TensorFlow，我们只需要“激活”虚拟环境。总而言之，Virtualenv 提供一种安全可靠的机制来安装和运行 TensorFlow。

1、首先，使用pip安装virtualenv:

pip install virtualenv --upgrade  #upgrade更新安装软件

根据提示，发现我们的pip版本过低，按照提示命令升级自带pip版本

pip install --upgrade pip

2、测试virtualenv是否安装成功

[root@localhost python3.6]$ virtualenv -h

此时我们可以看到virtualenv命令无法找到。
3、此时，可通过find命令查找到virtualenv安装目录

find / -name virtualenv 

4、根据virtualenv的安装路径，创建软链

ln -s /opt/python3.6/bin/virtualenv  /usr/bin/virtualenv

5、在次测试virtualenv命令是否可以执行

6、安装完成后，创建一个工作目录，这里直接在home下创建一个tensorflow文件夹

virtualenv  --system-site-packages /home/tensorflow

7、激活沙箱

[root@localhost ~]$ cd /home/tensorflow/
[root@localhost tensorflow]$ source bin/activate

此时，我们会发现在shell提示符前面多了个(tensorflow)，说明已经在虚拟环境中了。

安装TensorFlow

前提：
①确保pip版本为8.1或更高版本
②因为我们是要在我们的Virtualenv环境中安装，所以必须确保下列命令在一个处于活动状态的Virtualenv环境中执行。shell提示符前面多了个(tensorflow)，说明已经在虚拟环境中了。

注意：
①确定pip和pip3所对应的是Python2.n或Python3.n

我们可以看到，pip和pip3所对应的都是Python3.6，因此执行下述命令时，应该选择Python3.n所对应的命令，且可以不区分pip和pip3

②此处示例安装TensorFlow为CPU版

1、在处于活动状态的Virtualenv环境中安装TensorFlow（国内镜像下载安装）

# for Python 2.7
pip install --upgrade tensorflow      

# for Python 3.n
pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple --upgrade tensorflow   

2、如果安装失败（通常是因为pip版本低于8.1），执行下列中的一个命令在活动Virtualenv环境中安装TensorFlow

# Python 2.7
pip install --upgrade https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.6.0-cp27-none-linux_x86_64.whl
   

# Python 3.n 
pip3 install --upgrade https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.6.0-cp36-cp36m-linux_x86_64.whl

注意：我们选择TensorFlow Python软件包的网址，必须和我们安装的Python的版本相对应。

Python2.7(CPU):
https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.6.0-cp27-none-linux_x86_64.whl

Python3.4(CPU):
https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.6.0-cp34-cp34m-linux_x86_64.whl

Python3.5(CPU):
https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.6.0-cp35-cp35m-linux_x86_64.whl

Python3.6(CPU):
https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.6.0-cp36-cp36m-linux_x86_64.whl

3、验证TensorFlow是否安装成功
确保Virtualenv环境处于激活状态；切换目录到未包含TensorFlow源代码的任何目录

在python交互式shell环境中，输入一下几行代码

(tensorflow) [root@localhost /]$ python

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

我们可以从结果图中看出执行成功了，输出了最后的结果'Hello,TensorFlow'，但是，在执行过程中，我们看到有一行提示信息：Your CPU supports instructions that this TensorFlow binary was not compiled to use: FMA。
这个提示的意思就是说：tensorflow觉得你电脑cpu还行，支持FMA（Advanced Vector Extensions），运算速度还可以提升，所以可以开启更好更快的模式，但是你现在用的模式相对来说可能不是那么快，所以这个其实并不是存在错误，所以如果不嫌当前的模式慢就忽略掉这个警告就好了。

要是想忽略掉这个警告也很容易，

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

即最终执行代码为：

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

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

执行结果如下，此时已经没有了刚才的那条提示信息。

注意

每次使用 TensorFlow 时，您都必须激活 Virtualenv 环境。如果 Virtualenv 环境当前未处于活动状态，请调用以下命令：

source /home/tensorflow/bin/activate

用完 TensorFlow 后，可以通过发出以下命令调用 deactivate 函数来停用环境：

(tensorflow)$ deactivate