• 确定哪个TensorFlow要安装
  • NVIDIA要求运行TensorFlow支持GPU
• 确定如何安装TensorFlow
• 使用virtualenv进行安装
  • 下一步
  • 卸载TensorFlow
• 用native pip安装
  • 先决条件：Python和Pip
  • 安装TensorFlow
  • 下一步
  • 卸载TensorFlow
• 使用Docker进行安装
  • 仅CPU
  • GPU支持
  • 下一步
• 使用Anaconda进行安装
• 验证您的安装
  • 准备你的环境
  • 运行一个简短的TensorFlow程序
• 常见的安装问题
• TensorFlow Python包的URL
  • Python 2.7
  • Python 3.4
  • Python 3.5
  • Python 3.6
• Protobuf pip软件包3.1

原文链接 :https://www.tensorflow.org/install/install_linux

译文链接 :http://www.apache.wiki/pages/viewpage.action?pageId=10029592

贡献者 :片刻ApacheCNApache中文网

本指南介绍如何在Ubuntu上安装TensorFlow。这些说明也可能适用于其他Linux版本，但是我们仅在Ubuntu 14.04或更高版本上测试（并且我们只支持）这些说明。

确定哪个TensorFlow要安装

您必须选择以下类型的TensorFlow之一来安装：

• TensorFlow仅支持cpu支持。如果您的系统没有NVIDIA®GPU，则必须安装此版本。请注意，此版本的TensorFlow通常会更容易安装（通常在5或10分钟内），因此即使您有NVIDIA GPU，我们建议先安装此版本。
• TensorFlow支持GPU。TensorFlow程序通常在GPU上比在cpu上运行得更快。因此，如果您的系统具有满足以下所示先决条件的NVIDIA®GPU，并且您需要运行性能关键型应用程序，则应最终安装此版本。

NVIDIA要求运行TensorFlow支持GPU

如果您使用本指南介绍的机制之一来安装具有GPU支持的TensorFlow，则系统上必须安装以下NVIDIA软件：

• CUDA®Toolkit 8.0。有关详细信息，请参阅NVIDIA的文档。确保您将相关的Cuda路径名附加到LD_LIBRARY_PATH环境变量中，如NVIDIA文档中所述。
• 与CUDA Toolkit 8.0相关的NVIDIA驱动程序。
• cuDNN v5.1。有关详细信息，请参阅NVIDIA的文档。确保CUDA_HOME按照NVIDIA文档中的描述创建环境变量。
• 具有CUDA Compute Capability 3.0或更高版本的GPU卡。有关支持的GPU卡的列表，请参阅NVIDIA文档。

• libcupti-dev库，即NVIDIA CUDA Profile Tools界面。此库提供高级分析支持。要安装此库，请发出以下命令：

  $ sudo apt-get install libcupti-dev

如果您有较早版本的上述软件包，请升级到指定的版本。如果无法升级，那么您仍然可以运行支持GPU的TensorFlow，但只有在执行以下操作时：

• 从源中安装TensorFlow，请参阅从Sources安装TensorFlow。
• 至少安装或升级到以下NVIDIA版本：
  • CUDA工具包7.0或更高版本
  • cuDNN v3以上
  • 具有CUDA Compute Capability 3.0或更高版本的GPU卡。

确定如何安装TensorFlow

您必须选择安装TensorFlow的机制。支持的选择如下：

• virtualenv
• "native" pip
• Docker
• Anaconda

我们建议使用virtualenv安装。Virtualenv是与其他Python开发隔离的虚拟Python环境，不能在同一台机器上干扰或受到其他Python程序的影响。在virtualenv安装过程中，您将不仅安装TensorFlow，还可以安装TensorFlow所需的所有软件包。（这实际上很简单。）要开始使用TensorFlow，只需要“激活”虚拟环境。总而言之，virtualenv为安装和运行TensorFlow提供了一个安全可靠的机制。

本地点在您的系统上直接安装TensorFlow，而不需要经过任何容器系统。我们建议系统管理员使用本地点安装，旨在使TensorFlow适用于多用户系统上的所有人。由于本机点安装不会在单独的容器中关闭，所以pip安装可能会干扰系统上其他基于Python的安装。但是，如果您了解pip和Python环境，则本机点安装通常只需要一个命令。

Docker将TensorFlow安装与机器上预先存在的包完全隔离。Docker容器包含TensorFlow及其所有依赖项。请注意，Docker图像可能相当大（数百MB）。如果您将TensorFlow集成到已经使用Docker的较大应用程序架构中，则可以选择Docker安装。

在Anaconda中，您可以使用conda创建虚拟环境。但是，在Anaconda内，我们建议使用pip install命令安装TensorFlow，而不是使用该conda install命令。

注意：conda包是社区支持的，没有正式支持。也就是说，TensorFlow团队既不测试也不维护公寓套餐。使用该包，您自己承担风险。

使用virtualenv进行安装

采取以下步骤安装TensFlow与Virtualenv：

1. 通过发出以下命令安装pip和virtualenv：

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

2. 通过发出以下命令创建一个virtualenv环境：

   $ virtualenv--system-site-packages targetDirectory

   在targetDirectory指定的virtualenv树的顶端。我们的说明假设targetDirectory是~/tensorflow，但您可以选择任何目录。

3. 通过发出以下命令之一激活virtualenv环境：

   $ source〜/tensorflow/bin/activate＃bash，sh，ksh或zsh $ source〜/tensorflow/bin/activate.csh ＃csh或tcsh

   前面的source命令应该将您的提示更改为以下内容：

   （tensorflow）$

4. 发出以下命令之一在活动的virtualenv环境中安装TensorFlow：

   （tensorflow）$ pip install--upgrade tensorflow ＃forPython2.7 （tensorflow）$ pip3 install--upgrade tensorflow ＃forPython3.n （tensorflow）$ pip install--upgrade tensorflow-gpu ＃用于Python2.7和GPU （tensorflow）$ pip3 install--upgrade tensorflow-gpu ＃forPython3.n和GPU

   如果上述命令成功，请跳过步骤5.如果上述命令失败，请执行步骤5。

5. （可选）如果步骤4失败（通常是因为您调用了低于8.1的pip版本），请通过发出以下格式的命令在活动的virtualenv环境中安装TensorFlow：

   （tensorflow）$ pip install--upgrade TF_PYTHON_URL ＃Python2.7 （tensorflow）$ pip3 install--upgrade TF_PYTHON_URL ＃Python3.N

   其中标识TensorFlow Python包的URL。适当的值取决于操作系统，Python版本和GPU支持。在这里找到适合您的系统的值。例如，如果要安装TensorFlow for Linux，Python 2.7和仅支持cpu，请在活动的virtualenv环境中执行以下命令来安装TensorFlow：TF_PYTHON_URLTF_PYTHON_URLTF_PYTHON_URL

   （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，请参阅常见安装问题。

下一步

安装TensorFlow后，验证安装。

请注意，每次使用TensorFlow时，必须激活virtualenv环境。如果virtualenv环境当前未处于活动状态，请调用以下命令之一：

当virtualenv环境处于活动状态时，您可以从此shell运行TensorFlow程序。您的提示将变为以下内容，表示您的张量流环境处于活动状态：

使用TensorFlow完成后，您可以通过调用以下deactivate功能来停用环境：

提示将恢复为默认提示符（由PS1环境变量定义）。

卸载TensorFlow

要卸载TensorFlow，只需删除您创建的树。例如：

用native pip安装

您可以通过pip安装TensorFlow，在简单的安装过程或更复杂的安装过程之间进行选择。

注意：setup.py的REQUIRED_PACKAGES部分列出了pip将安装或升级的TensorFlow软件包。

先决条件：Python和Pip

Python自动安装在Ubuntu上。花一点时间确认（通过发出python -V命令）系统中已经安装了以下Python版本之一：

• Python 2.7
• Python 3.3+

pip或pip3包管理器通常安装在Ubuntu上。花一点时间确认（通过发出pip -V或pip3 -V命令）安装pip或pip3。我们强烈建议使用8.1或更高版本的pip或pip3。如果未安装版本8.1或更高版本，请发出以下命令，该命令将安装或升级到最新的pip版本：

安装TensorFlow

假设在Linux主机上安装了必备软件，请执行以下步骤：

1. 通过调用以下命令之一安装TensorFlow：

   $ pip install tensorflow ＃Python2.7; cpu支持（无GPU支持） $ pip3 install tensorflow ＃Python3.n; cpu支持（无GPU支持） $ pip install tensorflow-gpu ＃Python2.7; GPU支持 $ pip3 install tensorflow-gpu ＃Python3.n; GPU支持

   如果上述命令运行完毕，则应该验证安装。

2. （可选）如果步骤1失败，请通过发出以下格式的命令安装最新版本的TensorFlow：

   $ sudo pip install--upgrade TF_PYTHON_URL ＃Python2.7 $ sudo pip3 install--upgrade TF_PYTHON_URL ＃Python3.N

   其中TF_PYTHON_URL标识TensorFlow Python包的URL。适当的值TF_PYTHON_URL取决于操作系统，Python版本和GPU支持。在这里找到TF_PYTHON_URL适合您的系统的值。例如，如果要安装TensorFlow for Linux，Python版本3.4和仅支持cpu，请发出以下命令：

   $ sudo pip3 install--upgrade \ https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.1.0-cp34-cp34m-linux_x86_64.whl

   如果此步骤失败，请参阅常见安装问题。

下一步

安装TensorFlow后，验证您的安装。

卸载TensorFlow

要卸载TensorFlow，请发出以下命令之一：

使用Docker进行安装

采取以下步骤通过Docker安装TensorFlow：

1. 作为描述你的机器上安装DockerDocker文档。
2. （可选）创建一个名为允许启动没有sudo的容器的Linux组，如Docker文档中所述。（如果您不执行此步骤，则每次调用Docker时都必须使用sudo。）
3. 要安装支持GPU的TensorFlow版本，您必须先安装存储在github中的nvidia-docker。
4. 启动包含TensorFlow二进制映像之一的Docker容器。

本节的其余部分将介绍如何启动Docker容器。

仅cpu

要启动具有仅支持cpu（仅支持GPU）的Docker容器，请输入以下格式的命令：

哪里：

• -p hostPort：containerPort是可选的。如果您计划从shell运行TensorFlow程序，请忽略此选项。如果您计划运行TensorFlow程序作为Jupyter笔记本，请将hostPort和containerPort设置为8888。如果要在容器内运行TensorBoard，请添加第二个-p标志，将hostPort和containerPort设置为6006。

• 需要TensorFlowcpuImage。它标识了Docker容器。指定以下值之一：

  • gcr.io/tensorflow/tensorflow，它是TensorFlow cpu二进制映像。
  • gcr.io/tensorflow/tensorflow:latest-devel，这是最新的TensorFlow cpu二进制图像加源代码。
  • gcr.io/tensorflow/tensorflow：版本，这是TensorFlow cpu二进制图象的指定的版本（例如，1.0.1）。
  • gcr.io/tensorflow/tensorflow：版本-devel，这是TensorFlow GPU二进制图象加源代码的指定的版本（例如，1.0.1）。

  gcr.io是Google容器注册表。请注意，某些TensorFlow图片也可以在dockerhub。

例如，以下命令在Docker容器中启动最新的TensorFlow cpu二进制映像，您可以在其中运行Shell中的TensorFlow程序：

以下命令还在Docker容器中启动最新的TensorFlow cpu二进制映像。但是，在这个Docker容器中，您可以在Jupyter笔记本中运行TensorFlow程序：

Docker将首次下载TensorFlow二进制图像。

GPU支持

在安装具有GPU支持的TensorFlow之前，请确保您的系统满足所有NVIDIA软件要求。要启动支持NVidia GPU的Docker容器，请输入以下格式的命令：

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

哪里：

• -p hostPort：containerPort是可选的。如果您计划从shell运行TensorFlow程序，请忽略此选项。如果您打算运行TensorFlow方案，作为Jupyter笔记本电脑，同时设置HOSTPORT和containerPort到8888。
• TensorFlowGPUImage指定Docker容器。您必须指定以下值之一：
  • gcr.io/tensorflow/tensorflow:latest-gpu，这是最新的TensorFlow GPU二进制图像。
  • gcr.io/tensorflow/tensorflow:latest-devel-gpu，这是最新的TensorFlow GPU二进制图像加源代码。
  • gcr.io/tensorflow/tensorflow：版本-gpu，这是TensorFlow GPU二进制图象的指定的版本（例如，0.12.1）。
  • gcr.io/tensorflow/tensorflow：版本-devel-GPU，这是TensorFlow GPU二进制图象加源代码的指定版本（例如，0.12.1）。

我们建议安装其中一个latest版本。例如，以下命令在Docker容器中启动最新的TensorFlow GPU二进制映像，您可以在其中运行Shell中的TensorFlow程序：

以下命令还在Docker容器中启动最新的TensorFlow GPU二进制映像。在Docker容器中，您可以在Jupyter笔记本中运行TensorFlow程序：

以下命令安装较旧的TensorFlow版本（0.12.1）：

Docker将首次下载TensorFlow二进制图像。有关更多详细信息，请参阅TensorFlow码头自述文件。

下一步

您现在应该验证您的安装。

使用Anaconda进行安装

采取以下步骤在Anaconda环境中安装TensorFlow：

1. 按照Anaconda下载网站上的说明下载并安装Anaconda。

2. 创建一个名为tensorflow的conda环境，通过调用以下命令来运行Python版本：

   $ conda create-n tensorflow

3. 通过发出以下命令激活conda环境：

   $ source activate tensorflow （tensorflow）$＃你的提示应该改变

4. 发出以下格式的命令，以在您的公共环境中安装TensorFlow：

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

   这里TF_PYTHON_URL是在TensorFlow Python包的URL。例如，以下命令将安装仅适用于Python 3.4的仅限于cpu的TensorFlow版本：

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

验证您的安装

要验证您的TensorFlow安装，请执行以下操作：

1. 确保您的环境准备运行TensorFlow程序。
2. 运行一个简短的TensorFlow程序。

准备你的环境

如果您安装在native pip，virtualenv或Anaconda上，请执行以下操作：

1. 启动一个终端
2. 如果您安装了virtualenv或Anaconda，请激活您的容器。
3. 如果您安装了TensorFlow源代码，请导航到除TensorFlow源代码之外的任何目录。

如果您通过Docker安装，请启动Docker容器，从中可以运行bash。例如：

运行一个简短的TensorFlow程序

从你的shell调用python如下：

在python交互式shell中输入以下短程序：

如果系统输出以下内容，则可以开始编写TensorFlow程序：

如果您是TensorFlow的新手，请参阅TensorFlow入门。

如果系统输出错误信息而不是问候，请参阅常见的安装问题。

常见的安装问题

我们依靠堆栈溢出来记录TensorFlow安装问题及其补救措施。下表包含一些常见安装问题的Stack Overflow答案的链接。如果您遇到下表中未列出的错误消息或其他安装问题，请在堆栈溢出中进行搜索。如果Stack Overflow没有显示错误消息，请在Stack Overflow上提出一个新问题，并指定tensorflow标签。

ImportError: libcudart.so.Version: cannot open shared object file:
  No such file or directory

ImportError: libcudnn.Version: cannot open shared object file:
  No such file or directory

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.

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.

IOError: [Errno 2] No such file or directory:
  '/tmp/pip-o6Tpui-build/setup.py'

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'

SSLError: [SSL: CERTIFICATE_VERIFY_Failed] certificate verify
  Failed

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'

...
  Installing collected packages: setuptools,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包的URL

一些安装机制需要TensorFlow Python包的URL。您指定的值取决于三个因素：

• 操作系统
• Python版本
• 仅cpu与GPU支持

本节介绍Linux安装的相关值。

Python 2.7

仅cpu：

GPU支持：

请注意，GPU支持需要NVIDIA要求中描述的NVIDIA硬件和软件运行具有GPU支持的TensorFlow。

Python 3.4

仅cpu：

GPU支持：

请注意，GPU支持需要NVIDIA要求中描述的NVIDIA硬件和软件运行具有GPU支持的TensorFlow。

Python 3.5

仅cpu：

GPU支持：

请注意，GPU支持需要NVIDIA要求中描述的NVIDIA硬件和软件运行具有GPU支持的TensorFlow。

Python 3.6

仅cpu：

GPU支持：

请注意，GPU支持需要NVIDIA要求中描述的NVIDIA硬件和软件运行具有GPU支持的TensorFlow。

Protobuf pip软件包3.1

您可以跳过此部分，除非您看到与protobuf pip软件包相关的问题。

注意：如果您的TensorFlow程序运行缓慢，您可能会遇到与protobuf pip软件包相关的问题。

TensorFlow pip软件包取决于protobuf pip软件包版本3.1。从PyPI下载的protobuf pip软件包（在调用pip install protobuf时）是一个仅包含Python的库，其中包含可执行比C ++实现慢10倍 - 50倍的原始序列化/反序列化的Python实现。Protobuf还支持包含基于快速C ++的原语解析的Python包的二进制扩展。此扩展在标准的仅Python专用pip包中不可用。我们为protobuf创建了一个包含二进制扩展名的自定义二进制pip包。要安装自定义二进制protobuf pip包，请调用以下命令之一：

• 对于Python 2.7：

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

• 对于Python 3.5：

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

安装此protobuf软件包将覆盖现有的protobuf软件包。请注意，binary pip软件包已经支持大于64MB的protobufs，应该修复以下错误：

赞成为第一个赞同者