在Ubuntu搭建TensorFlow环境

• 版权声明：本文为博主chszs的原创文章，未经博主允许不得转载。

我一直想要最大化TensorFlow的计算能力，于是我决定在家用电脑上安装和优化它。这里，我将分享如何选择安装TensorFlow的某个版本——它并不像看起来那么容易，因为你需要了解系统功能，而且涉及到GPU、以及你正在使用的Python版本。在选择TensorFlow的版本时，可以选择“Release”版本，也可以选择每日构建版。本文讲述如何轻松获得每日构建版并安装到自己的机器上运行。（系统环境是Ubuntu Linux）

在安装TensorFlow前，有四个主要选项：

• Python 2.x
• Python 2.x + GPU
• Python 3.x
• Python 3.x + GPU

带GPU支持的版本可以充分利用GPU的计算能力，但首先要检查您的系统是否支持CUDA GPU。

打开终端，执行命令：

# lspci | grep -i nvidia

看看返回了什么，比如我的：

查看GPU型号名称：GeForce GTX 860M，然后可以在NVIDIA官网检查是否兼容CUDA的信息，具体见：

可以看到支持我的GPU，所以可以安装带GPU的TensorFlow版本。查看TensorFlow网站，具体见：

可以看到有一个我需要安装的依赖库libcupti。安装它：

# sudo apt-get install libcupti-dev

关于如何安装TensorFlow本身，可以阅读：

使用Nightly Builds版安装TensorFlow

接下来需要确定本机的Python版本以及其相关的pip工具。如果还没有Python环境，应该先安装它们。可以参阅系统说明：

Ubuntu Linux默认自带了Python 2.7，就将就这个版本吧，先安装pip工具：

# sudo apt-get install python-pip python-dev

请注意，如果您使用Python 3.x，就应该使用软件包python3-pip和python3-dev。

还要注意，pip工具的版本至少应为8.1以上的版本。（用pip -V检查版本）

一旦完成了这一切，就可以简单地安装Nightly Build版的TensorFlow：

# sudo pip install tf-nightly-gpu

或者，如果您的系统不支持CUDA（请参阅上面的部分），请使用：

# sudo pip install tf-nightly

现在可以使用以下步骤检查TensorFlow是否工作。

首先：打开一个Python解释器：

# python

然后，导入TensorFlow库：

import tensorflow as tf

请注意，如果没有正确安装TensorFlow，或者将带GPU的版本安装在不受支持的系统上，就会在此处出现错误。CUDA错误在这一步上非常普遍。如果有效，就可以试试打印出TensorFlow的版本：

print(tf.__version__)

（注意version前后有2个下划线）

完成后，您应该看到打印出的TensorFlow版本 - 如下所示：

可以看到，由于使用了最新的每日构建版，所以TensorFlow当前的最新版本是1.4。