正文

用過一段時間的caffe后，對caffe有兩點感受：1、速度確實快; 2、 太不靈活了。

深度學習技術一直在發(fā)展，但是caffe的更新跟不上進度，也許是維護團隊的關系：CAFFE團隊成員都是業(yè)余時間在維護和更新。導致的結果就是很多新的技術在caffe里用不了，比如RNN, LSTM，batch-norm等。當然這些現(xiàn)在也算是舊的東西了，也許caffe已經有了，我已經很久沒有關注caffe的新版本了。它的不靈活之處就是新的東西很難自己擴展，只能等版本更新，這就比較尷尬。

因此，只學caffe一個工具看來是不行了，還得學習其它工具。該學什么呢？當然是如日中天的tensorflow了，畢竟它背后的團隊很強大，功能也比較齊全，更新也很及時。所謂技多不壓身，學了caffe后再學tensorflow，兩者結合著用。

關于tensorflow的介紹，此處不再啰嗦。關于gpu的安裝與配置，此處也不涉及。

一、安裝anaconda

tensorflow是基于python腳本語言的，因此需要安裝python, 當然還需要安裝numpy、scipy、six、matplotlib等幾十個擴展包。如果一個個安裝，裝到啥時候去？（我曾經光安裝scipy就裝了一天。。。）

不過現(xiàn)在有了集成環(huán)境anaconda，安裝就方便了。python的大部分擴展包, 都集成在anaconda里面了，因此只需要裝這一個東西就行了。

先到https://www.anaconda.com/products/distribution 下載anaconda, 現(xiàn)在的版本有python2.7版本和python3.5版本，下載好對應版本、對應系統(tǒng)的anaconda，它實際上是一個sh腳本文件，大約300M-400M左右。推薦使用linux版的python 2.7版本，因為tensorflow中的有些東西不支持python3.5(如cPickle)。

下載成功后，在終端執(zhí)行（2.7版本）：

# bash Anaconda2-4.1.1-Linux-x86_64.sh

或者3.5 版本：

# bash Anaconda3-4.1.1-Linux-x86_64.sh

在安裝的過程中，會問你安裝路徑，直接回車默認就可以了。有個地方問你是否將anaconda安裝路徑加入到環(huán)境變量（.bashrc)中，這個一定要輸入yes

安裝成功后，會有當前用戶根目錄下生成一個anaconda2的文件夾，里面就是安裝好的內容。在終端可以輸入

conda info 來查詢安裝信息

輸入conda list 可以查詢你現(xiàn)在安裝了哪些庫，常用的python, numpy, scipy名列其中。如果你還有什么包沒有安裝上，可以運行

conda install ***  來進行安裝(***代表包名稱），如果某個包版本不是最新的，運行 conda update *** 就可以了。

二、安裝tensorflow

先在終端執(zhí)行：

anaconda search -t conda tensorflow

搜索一下有哪些tensorflow安裝包，通過查看版本，選擇最高的版本安裝。比如我看到是0.10.0rc0版本是最高的，如下圖：

因此，執(zhí)行下面代碼來查看詳細信息：

anaconda show jjhelmus/tensorflow

它就會告訴你，怎么來安裝這個包,在終端執(zhí)行：

conda install --channel https://conda.anaconda.org/jjhelmus tensorflow

然后輸入"y"，進行安裝。

三、調試

安裝成功與否，我們可以測試一下。

在終端輸入python，進入python編譯環(huán)境，然后輸入：

import tensorflow as tf

引包tensorflow包，如果沒有報錯，則安裝成功，否則就有問題。

然后可以輸入

tf.__version__
tf.__path__

查看tensorflow的安裝版本和安裝路徑（左右各兩根下橫線）。

以上就是python深度學習tensorflow安裝調試教程的詳細內容，更多關于tensorflow安裝調試的資料請關注腳本之家其它相關文章！

最新評論