页面树结构

2017-11-09 ApacheCN 开源组织,第二期邀请成员活动,一起走的更远 : http://www.apachecn.org/member/209.html


MachineLearning 优酷地址 : http://i.youku.com/apachecn

转至元数据结尾
转至元数据起始

本指南介绍如何在Mac OS X上安装TensorFlow。

确定哪个TensorFlow要安装

您必须选择要安装的TensorFlow的类型。您的选择如下:

  • TensorFlow仅支持CPU支持。如果您的系统没有NVIDIACUDA®GPU,则应安装此版本。请注意,具有CPU支持的TensorFlow通常比具有GPU支持的TensorFlow更容易安装。因此,即使您有NVIDIA CUDA GPU,我们建议先安装此版本作为诊断步骤,以防您在安装具有GPU支持的TensorFlow时出现问题。
  • 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NVIDIA CUDA GPU满足以下所示的先决条件,并且需要运行性能关键型应用程序,则应最终安装此版本。

运行TensorFlow支持GPU的要求

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工具包8.0。有关详细信息,请参阅 NVIDIA的文档。确保您将相关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

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,您仍然可以运行支持GPU的TensorFlow,但只有当您同时执行以下操作时:

  • 从源头安装TensorFlow,如这里所述 。
  • 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
  • 源码安装,这是专家,并在单独的指南中记录。

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。

Native pip直接在您的系统上安装TensorFlow,而不需要通过任何容器或虚拟环境系统。由于本地点安装不被关闭,点安装可能会干扰或受到系统上其他基于Python的安装的影响。此外,您可能需要禁用系统完整性保护(SIP)才能通过本机点安装。但是,如果您了解SIP,pip和您的Python环境,则本地点安装相对容易执行。

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。

重要提示:Docker目前不支持在Mac OS上支持GPU的TensorFlow; 也就是说,在Mac OS上,Docker只支持具有CPU支持的TensorFlow。

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. 启动一个终端(一个shell)。您将执行此shell中的所有后续步骤。

  2. 通过发出以下命令来安装pip和virtualenv:

    $ sudo easy_install pip 
    $ sudo pip install --upgrade virtualenv
  3. 通过发出以下格式之一的命令来创建一个virtualenv环境:

    $ virtualenv --system-site-packages  targetDirectory  #for Python 2.7 
    $ virtualenv --system-site-packages -p python3  targetDirectory  #for Python 3.n
    targetdirectory中标识的virtualenv树的顶端。我们的说明假定targetDirectory 是~/tensorflow,但您可以选择任何目录。
  4. 通过发出以下命令之一激活virtualenv环境:

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

    上述source命令应将您的提示更改为以下内容:

    (tensorflow)$ 
  5. 如果系统上安装了pip版本8.1或更高版本,请发出以下命令之一以将TensorFlow和TensorFlow所需的所有软件包安装到活动的Virtualenv环境中:

    $ pip install --upgrade tensorflow       #for Python 2.7 
    $ pip3 install --upgrade tensorflow      #for Python 3.n 
    $ pip install --upgrade tensorflow-gpu   #for Python 2.7和GPU 
    $ pip3 install --upgrade tensorflow-gpu  #for Python 3.n和GPU

    如果上述命令成功,请跳过步骤6.如果失败,请执行步骤6。

  6. 可选的。如果步骤5失败(通常是因为您调用低于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:

    $ pip install --upgrade  TF_BINARY_URL    #Python 2.7 
    $ pip3 install --upgrade  TF_BINARY_URL   #Python 3.n

    其中TF_BINARY_URL标识TensorFlow Python包的URL。与适当值 TF_BINARY_URL取决于操作系统,Python版本,并支持GPU上。找到相应的值 TF_BINARY_URL为您的系统 在这里。例如,如果要安装适用于Mac OS X,Python 2.7和仅支持CPU的TensorFlow,则在活动的Virtualenv中安装TensorFlow的命令如下所示:

    $ pip3 install --upgrade \
      https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-1.1.0-py2-none-any.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, 验证您的安装 以确认安装是否正常工作。

请注意,每次在新的shell中使用TensorFlow时,必须激活virtualenv环境。如果virtualenv环境当前未处于活动状态(即不提示)(tensorflow),请调用以下命令之一:

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

您的提示将转换为以下内容,表示您的张量流环境处于活动状态:

 (tensorflow)$ 
当virtualenv环境处于活动状态时,您可以从此shell运行TensorFlow程序。

使用TensorFlow完成后,您可以通过发出以下命令来停用环境:

 (tensorflow)$ deactivate 

提示将恢复为默认提示符(由定义PS1)。

卸载TensorFlow

如果要卸载TensorFlow,只需删除您创建的树。例如:

$ rm -r 〜/tensorflow

用native pip安装

我们已将TensorFlow二进制文件上传到PyPI。因此,您可以通过pip安装TensorFlow。

 setup.py的 REQUIRED_PACKAGES部分 列出了pip将安装或升级的软件包。

先决条件:Python

为了安装TensorFlow,您的系统必须包含以下Python版本之一:

  • Python 2.7
  • Python 3.3+

如果您的系统尚未具有以前的一个Python版本, 立即安装

安装Python时,您可能需要禁用系统完整性保护(SIP),以允许Mac App Store以外的其他实体安装软件。

先决条件:pip

Pip安装和管理用Python编写的软件包。如果您打算使用本机点安装,则必须在系统上安装以下口味之一:

  • pip, 对于Python 2.7
  • pip3,对于Python 3.n.

pip或者pip3安装Python时可能安装在您的系统上。要确定pip或pip3是否实际安装在系统上,请执行以下命令之一:

$ pip -V   #for Python 2.7 
$ pip3 -V  #for Python 3.n

我们强烈建议您使用pip或pip3版本8.1或更高版本,以安装TensorFlow。如果未安装pip或pip3 8.1或更高版本,请执行以下命令进行安装或升级:

$ sudo easy_install --upgrade pip
$ sudo easy_install --upgrade six 

安装TensorFlow

假设您的Mac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       #Python 2.7; CPU支持(无GPU支持) 
    $ pip3 install tensorflow      #Python 3.n; CPU支持(无GPU支持) 
    $ pip install tensorflow-gpu   #Python 2.7; GPU支持 
    $ pip3 install tensorflow-gpu  #Python 3.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_BINARY_URL    #Python 2.7 
    $ sudo pip3 install --upgrade  TF_BINARY_URL   #Python 3.n

    其中TF_BINARY_URL标识TensorFlow Python包的URL。与适当值TF_BINARY_URL取决于操作系统,Python版本,并支持GPU上。找到相应的值TF_BINARY_URL 这里。例如,如果要安装适用于Mac OS,Python 2.7和仅支持CPU的TensorFlow,请发出以下命令:

    $ sudo pip3 install --upgrade \
      https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-1.1.0-py2-none-any.whl 

    如果上述命令失败,请参阅 常见安装问题

下一步

安装TensorFlow后, 验证您的安装 以确认安装是否正常工作。

卸载TensorFlow

要卸载TensorFlow,请发出以下命令之一:

$ pip uninstall tensorflow
$ pip3 uninstall tensorflow 

使用Docker进行安装

按照以下步骤通过Docker安装TensorFlow。

  1. 作为描述你的机器上安装泊坞窗 泊坞文档

  2. 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。

注意:您只能启动具有CPU支持的Docker容器。(Docker在Mac OS上不提供GPU支持)

要启动保存TensorFlow二进制映像的Docker容器,请输入以下格式的命令:

$ docker run -it -p hostPort:containerPort TensorFlowImage

哪里:

  • -p hostPort:containerPort是可选的。如果要从shell运行TensorFlow程序,请忽略此选项。如果要从Jupyter笔记本运行TensorFlow程序,请将hostPortcontainerPort设置 为8888。如果要在容器内运行TensorBoard,请添加第二个-p标志,将hostPortcontainerPort设置 为6006。
  •  需要TensorFlowImage。它标识了Docker容器。您必须指定以下值之一:

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TensorFlow CPU二进制映像,您可以在其中运行Shell中的TensorFlow程序:

$ docker run -it gcr.io/tensorflow/tensorflow bash
以下命令还在Docker容器中启动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 run -it -p 8888:8888 gcr.io/tensorflow/tensorflow
Docker将首次下载TensorFlow二进制图像。

下一步

您现在应该 验证您的安装

 

使用Anaconda进行安装

Anaconda安装是社区支持的,没有正式支持。

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tensorflow 通过调用以下命令命名的conda环境:

    $ 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 $TF_PYTHON_URL 
    这里TF_PYTHON_URL是 在TensorFlow Python包的URL。例如,以下命令将安装仅适用于Python 2.7的仅限于CPU的版本的TensorFlow:
    (tensorflow)$ pip install --ignore-installed --upgrade \
     https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-1.1.0-py2-none-any.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 TensorFlow源代码之外的任何目录。

如果您通过Docker安装,请启动运行bash的Docker容器。例如:

$ docker run -it gcr.io/tensorflow/tensorflow bash

运行一个简短的TensorFlow程序

从你的shell调用python如下:

$ python

在python交互式shell中输入以下短程序:

>>> import tensorflow as tf
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess = tf.Session()
>>> print(sess.run(hello)) 
如果系统输出以下内容,则可以开始编写TensorFlow程序:
Hello, TensorFlow!
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。

堆栈溢出链接错误信息
36159194
ImportError: libcudart.so.Version: cannot open shared object file:
  No such file or directory
41991101
ImportError: libcudnn.Version: cannot open shared object file:
  No such file or directory
42006320
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'
33623453
IOError: [Errno 2] No such file or directory:
  '/tmp/pip-o6Tpui-build/setup.py'
35190574
SSLError: [SSL: CERTIFICATE_VERIFY_FAILED] certificate verify
  failed
42009190
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' 
33622019
ImportError: No module named copyreg
37810228During a pip install operation, the system returns:
OSError: [Errno 1] Operation not permitted
33622842An import tensorflow statement triggers an error such as the following:
Traceback (most recent call last):
  File "", line 1, in 
  File "/usr/local/lib/python2.7/site-packages/tensorflow/__init__.py",
    line 4, in 
    from tensorflow.python import *
    ...
  File "/usr/local/lib/python2.7/site-packages/tensorflow/core/framework/tensor_shape_pb2.py",
    line 22, in 
    serialized_pb=_b('\n,tensorflow/core/framework/tensor_shape.proto\x12\ntensorflow\"d\n\x10TensorShapeProto\x12-\n\x03\x64im\x18\x02
      \x03(\x0b\x32
      .tensorflow.TensorShapeProto.Dim\x1a!\n\x03\x44im\x12\x0c\n\x04size\x18\x01
      \x01(\x03\x12\x0c\n\x04name\x18\x02 \x01(\tb\x06proto3')
  TypeError: __init__() got an unexpected keyword argument 'syntax'
42073336An import tensorflow statement triggers the following error:
>>> import tensorflow as tf
I tensorflow/stream_executor/dso_loader.cc:108] successfully opened CUDA library libcublas.dylib locally
I tensorflow/stream_executor/dso_loader.cc:108] successfully opened CUDA library libcudnn.dylib locally
I tensorflow/stream_executor/dso_loader.cc:108] successfully opened CUDA library libcufft.dylib locally
"import tensorflow" terminated by signal SIGSEGV (Address boundary error)
42075397A pip install command triggers the following error:
...
You have not agreed to the Xcode license agreements, please run
'xcodebuild -license' (for user-level acceptance) or
'sudo xcodebuild -license' (for system-wide acceptance) from within a
Terminal window to review and agree to the Xcode license agreements.
...
  File "numpy/core/setup.py", line 653, in get_mathlib_info

    raise RuntimeError("Broken toolchain: cannot link a simple C program")

RuntimeError: Broken toolchain: cannot link a simple C program

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Mac OS安装的相关值。

Python 2.7

仅CPU:

https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-1.1.0-py2-none-any.whl 

GPU支持:

https://storage.googleapis.com/tensorflow/mac/gpu/tensorflow_gpu-1.1.0-py2-none-any.whl
需要CUDA工具包8.0和CuDNN v5。有关其他版本,请参阅 从源安装TensorFlow

Python 3.4,3.5或3.6

仅CPU:

https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-1.1.0-py3-none-any.whl
GPU支持:
https://storage.googleapis.com/tensorflow/mac/gpu/tensorflow_gpu-1.1.0-py3-none-any.whl
需要CUDA工具包8.0和CuDNN v5。有关其他版本,请参阅 从源安装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.n:
$ 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:
[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.
  • 无标签