基于ubuntu16 Python3 tensorflow(TensorFlow环境搭建)

人最大的长处就是有厉害的大脑。电脑、手机等都是对人大脑的拓展。现今,我们每个人都有这个机会,让自己头脑在智能的帮助下,达到极高的高度。所以,拥抱科技,让智能产品成为我们个人智力的拓展,更好的去生活、去战斗。

用项目引导学习:

我们的目标是用现有最流行的谷歌开源框架TensorFlow,搭建一款儿童助学帮手。类似于现在已有的在售商品小米智能语音盒子之类的东西,。

一、Windows下安装虚拟机VMware Workstation,在虚拟机中安装Ubuntu(要善用搜索引擎,解决各类简单问题)

这里提供一个VMware Workstation下载地址://www.jb51.net/softs/19141.html

Ubuntu官方网站:https://www.ubuntu.com/index_kylin

安装完成:

基于ubuntu16 Python3 tensorflow(TensorFlow环境搭建)

二、在Ubuntu中安装python3

进入系统,桌面右键单击,点击open Terminal

基于ubuntu16 Python3 tensorflow(TensorFlow环境搭建)

基于ubuntu16 Python3 tensorflow(TensorFlow环境搭建)

进入命令行模式。输入python,发现系统自带python2.7.我们要安装python3

基于ubuntu16 Python3 tensorflow(TensorFlow环境搭建)

退出python(用exit()),输入sudo apt-get install python3,安装python3.已经提前安装过了,安装的是python3.5下面是显示的内容,安装成功。

基于ubuntu16 Python3 tensorflow(TensorFlow环境搭建)

三、安装TensorFlow

有很多种安装方法,可以自行搜索。tensorflow有CPU和GPU两个版本, 后者支持使用GPU能力来做数据运算, 对GPU的型号有一定限制, 还要安装一堆东西, 对于新手,没必要装(官方推荐先装CPU的).

用下面命令安装pip和virtualenv

sudo apt-get install python-pip python-dev python-virtualenv
sudo apt-get install python3-pip python3-dev python3-virtualenv

创建一个virtualenv环境

virtualenv --system-site-packages targetDirectory

注意:这里的”targetDirectory”定义了virtualenv的根目录,这里推荐使用 ~/tensorflow,所以这里的输入是:

virtualenv --system-site-packages ~/tensorflow,

激活刚才创建的virtualenv环境

一般情况下(如果你用的是ubuntu自带的终端或者用的不是csh)输入:source ~/tensorflow/bin/activate12

如果你用的终端是csh,请输入:source ~/tensorflow/bin/activate.csh12

输入命令后,你的命令行前面会出现”(tensorflow)”,如果成功的话.

4. 现在,在这个已经被激活了的tensorflow环境下,使用下面语句安装tensorflow的cpu版

(tensorflow)$ pip install --upgrade tensorflow # 如果你用 Python 2.7(tensorflow)$ pip3 install --upgrade tensorflow # 如果你用Python3.n

基于ubuntu16 Python3 tensorflow(TensorFlow环境搭建)

基于ubuntu16 Python3 tensorflow(TensorFlow环境搭建)

基于ubuntu16 Python3 tensorflow(TensorFlow环境搭建)

安装成功!

五、测试:

1、打开终端输入cd tensorflow

2、source bin/activate

3、python

4、输入python后输入以下示例

>>> import tensorflow as tf
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess = tf.Session()
>>> print(sess.run(hello))
Hello, TensorFlow!
>>> a = tf.constant(10)
>>> b = tf.constant(32)
>>> print(sess.run(a+b))
42
>>>

5、测试成功接下来首先退出python 按快捷键Ctrl+D

6、再退出tensorflow 在命令行输入命令:deactivate

相关推荐