Ubuntu系统安装深度学习框架TensorFlow
最近在学习Google新开源的深度学习框架TensorFlow。发现安装它的时候，需要依赖Python2.7.X;我之前一直使用的Linux是CentOS。而CentOS不更新了，里面的自带的Python一般都是python2.6以下的。不仅如此，系统里面很多组件又依赖python2.6，所以导致你都不能替换掉它。无奈之下，选择Ubuntu了。下面介绍一下使用Ubuntu安装TensorFlow遇到的一些问题。深度解读谷歌 SyntaxNet：全新 TensorFlow 自然语言处理模型& /Linux/492.htm开源系统TensorFlow 0.8 发布 & 支持分布式计算 /Linux/510.htm1、Ubuntu无法用Winscp连接解决办法：（1）、采用桥接的方式进行上网（由于是用虚拟机安装的操作系统）（2）、利用ps -e& |grep ssh& 查看是否有sshd进程开启。如果没有则需要安装openssh-server
安装的方式：sudo apt-get install openssh-server
启动相应的进程：/etc/init.d/ssh start（3）、此时需要reboot系统（4）、由于ubuntu最初root的用户是没有被激活的，所以需要通过修改root用户密码来激活root用户。完成即可连接了。2、安装tensorflow。由于我的ubuntu是最新版的（ubuntu-16.04-desktop-amd64），里面自带的python是2.7.11。因此满足要求。由于tensorflow有三种安装方式，这里采用的是pip安装方式。下面开始安装tensorflow：（1）首先安装pip&sudo apt-get install python-pip python-dev（2）利用pip安装tensorflowsudo pip install --upgrade /tensorflow/linux/cpu/tensorflow-0.8.0-cp27-none-linux_x86_64.whl安装好了后，如下图所示：根据上面黄色的提示，叫我升级pip：于是我就按照他的要求升级了，执行：pip install --upgrade pip&3、检验tensorflow是否安装成功通过下面一段代码来测试tensorflow是否安装成功：$ python...&&& 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&&&下面是我执行的结果如下图所示：4、安装python-numpy ，python-scipy，python-matplotlibsudo apt-get install python-numpysudo apt-get install python-scipysudo apt-get install python-matplotlib验证是否安装成功：（如下图所示）更多Ubuntu相关信息见Ubuntu 专题页面 /topicnews.aspx?tid=2
> 本站内容系网友提交或本网编辑转载，其目的在于传递更多信息，并不代表本网赞同其观点和对其真实性负责。如涉及作品内容、版权和其它问题，请及时与本网联系，我们将在第一时间删除内容！
安装 Caffe , Berkely的深度学习框架 标签(空格分隔): vision deepLearning Caffe是Berkeley的一个深度学习框架,方便构造深度学习网络,并在GPU上运行. 安装过程按照Caffe的主页上的描述:http://caffe.berkeleyvision.org/install_apt.html 基本系统信息 Basi ...
深度学习框架介绍先概括一下深度学习的几大流行的框架:Pylearn2, Theano, Caffe, Torch, Cuda-covnet,Deeplarning4j等.Theano是一个Python库,也是一个强大的数学表达式编译器.Pylearn2是在Theano基础上建立的机器学习库.用户可以用数学表达式写Pylearn2的插件(新的model, al ...
Caffe1是一个清晰而高效的深度学习框架,其作者是博士毕业于UC Berkeley的贾扬清,目前在Google工作. Caffe官网安装指南1安装BLAS.OpenCV.Boost即可.Caffe跑跑MNIST试试在Caffe安装目录之下,首先获得MNIST数据集:cd data/mnist sh get_mnist.sh生成mnist-train-lev ...
之前我一直在使用Theano,前面五篇Deeplearning相关的文章也是学习Theano的一些笔记,当时已经觉得Theano用起来略显麻烦,有时想实现一个新的结构,就要花很多时间去编程,所以想过将代码模块化,方便重复使用,但因为实在太忙没有时间去做.最近发现了一个叫做Keras的框架,跟我的想法不谋而合,用起来特别简单,适合快速开发.(其实还有很多其他的 ...
上一篇文章总结了Keras的基本使用方法,相信用过的同学都会觉得不可思议,太简洁了.十多天前,我在github上发现这个框架的时候,关注Keras的人还比较少,这两天无论是github还是微薄,都看到越来越多的人关注和使用Keras.所以这篇文章就简单地再介绍一下Keras的使用,方便各位入门. 主要包括以下三个内容: 训练CNN并保存训练好的模型. 将CN ...介绍Google的TensorFlow机器学习开源库，在UbuntuKylin上的安装和和源码编译。本文来自于：/project/tensorflow-zh/get_started/basic_usage.html，原始官方文档参见：http://www.tensorflow.org.
Ubuntu/Linux直接安装：
#&仅使用&CPU&的版本
$&pip&install&/tensorflow/linux/cpu/tensorflow-0.5.0-cp27-none-linux_x86_64.whl
#&开启&GPU&支持的版本&(安装该版本的前提是已经安装了&CUDA&sdk)
$&pip&install&/tensorflow/linux/gpu/tensorflow-0.5.0-cp27-none-linux_x86_64.whl
源码编译：
克隆 TensorFlow 仓库
$&git&clone&--recurse-submodules&/tensorflow/tensorflow
--recurse-submodules 参数是必须得, 用于获取 TesorFlow 依赖的 protobuf 库.
Linux 安装
安装 Bazel
安装 Bazel 的依赖. 然后使用下列命令下载和编译 Bazel 的源码:
$&git&clone&/bazelbuild/bazel.git
$&cd&bazel
$&git&checkout&tags/0.1.0$&./compile.sh
上面命令中拉取的代码标签为 0.1.0, 兼容 Tensorflow 目前版本. bazel 的HEAD 版本 (即最新版本) 在这里可能不稳定.
将执行路径 output/bazel 添加到 $PATH 环境变量中.
安装其他依赖
$&sudo&apt-get&install&python-numpy&swig&python-dev
可选: 安装 CUDA (在 Linux 上开启 GPU 支持)
为了编译并运行能够使用 GPU 的 TensorFlow, 需要先安装 NVIDIA 提供的 Cuda Toolkit 7.0 和 CUDNN 6.5 V2.
TensorFlow 的 GPU 特性只支持 NVidia Compute Capability &= 3.5 的显卡. 被支持的显卡 包括但不限于:
NVidia Titan
NVidia Titan X
NVidia K20
NVidia K40
下载并安装 Cuda Toolkit 7.0
将工具安装到诸如 /usr/local/cuda 之类的路径.
下载并安装 CUDNN Toolkit 6.5
解压并拷贝 CUDNN 文件到 Cuda Toolkit 7.0 安装路径下. 假设 Cuda Toolkit 7.0 安装 在 /usr/local/cuda, 执行以下命令:
tar&xvzf&cudnn-6.5-linux-x64-v2.tgz
sudo&cp&cudnn-6.5-linux-x64-v2/cudnn.h&/usr/local/cuda/include
sudo&cp&cudnn-6.5-linux-x64-v2/libcudnn*&/usr/local/cuda/lib64
配置 TensorFlow 的 Cuba 选项
从源码树的根路径执行:
$&./configure
Do&you&wish&to&bulid&TensorFlow&with&GPU&support?&[y/n]&y
GPU&support&will&be&enabled&for&TensorFlow
Please&specify&the&location&where&CUDA&7.0&toolkit&is&installed.&Refer&to
README.md&for&more&details.&[default&is:&/usr/local/cuda]:&/usr/local/cuda
Please&specify&the&location&where&CUDNN&6.5&V2&library&is&installed.&Refer&to
README.md&for&more&details.&[default&is:&/usr/local/cuda]:&/usr/local/cuda
Setting&up&Cuda&include
Setting&up&Cuda&lib64
Setting&up&Cuda&bin
Setting&up&Cuda&nvvm
Configuration&finished
这些配置将建立到系统 Cuda 库的符号链接. 每当 Cuda 库的路径发生变更时, 必须重新执行上述 步骤, 否则无法调用 bazel 编译命令.
编译目标程序, 开启 GPU 支持
从源码树的根路径执行:
$&bazel&build&-c&opt&--config=cuda&//tensorflow/cc:tutorials_example_trainer
$&bazel-bin/tensorflow/cc/tutorials_example_trainer&--use_gpu#&大量的输出信息.&这个例子用&GPU&迭代计算一个&2x2&矩阵的主特征值&(major&eigenvalue).#&最后几行输出和下面的信息类似.005&lambda&=&2.000000&x&=&[0..447214]&y&=&[1..006/000001&lambda&=&2.000000&x&=&[0..447214]&y&=&[1..009/000009&lambda&=&2.000000&x&=&[0..447214]&y&=&[1..894427]
注意, GPU 支持需通过编译选项 "--config=cuda" 开启.
尽管可以在同一个源码树下编译开启 Cuda 支持和禁用 Cuda 支持的版本, 我们还是推荐在 在切换这两种不同的编译配置时, 使用 "bazel clean" 清理环境.
在执行 bazel 编译前必须先运行 configure, 否则编译会失败并提示错误信息. 未来, 我们可能考虑将 configure 步骤包含在编译过程中, 以简化整个过程, 前提是 bazel 能够提供新的特性支持这样.
& 开源中国(OSChina.NET) |
开源中国社区(OSChina.net)是工信部
指定的官方社区Ubuntu14.04 安装 tensorflow
Ubuntu14.04 安装 tensorflow
Ubuntu14.04安装tensorflow
谷歌开源了tensorflow深度学习框架，当然要学习一番
上tensorflow官网学习一番安装流程，发现可以直接用pip安装
于是在虚拟机上装了Ubuntu14.04，按照官网给的步骤
# For CPU-only version
$ pip install /tensorflow/linux/cpu/tensorflow-0.5.0-cp27-none-linux_x86_64.whl12
在ternimal里
$ sudo pip install /tensorflow/linux/cpu/tensorflow-0.5.0-cp27-none-linux_x86_64.whl1
然而提醒我python-pip没有安装
$ sudo apt-get install python-pip1
$ sudo pip install /tensorflow/linux/cpu/tensorflow-0.5.0-cp27-none-linux_x86_64.whl1
时出现类似这样的错误
ascii' codec can't decode byte 0xe5 in position 0: ordinal not in range(128)1
往上翻发现建议我安装python-dev，估计是python-dev没有安装的问题
$ sudo apt-get install python-dev
$ pip install /tensorflow/linux/cpu/tensorflow-0.5.0-cp27-none-linux_x86_64.whl
搞定，现在在python里可以import tensorflow了
最后，血泪教训，centOS7装tensorflow比Ubuntu麻烦多了
发表评论：& & 以下过程是本人在THINKPAD T420笔记本，系统是WINDOWS 7 ULTIUM 64 Bit.安装的虚拟机是ORACLE公司的VIRTUAL，在虚拟机上跑的是UBUNTU14.10.4 64bit。&& &&& & TENSORFLOW的使用是依耐PYTHON的。所以就从PYTHON的安装开始。&& &&& & 我安装的PYTHON版本是LINUX版的PYTHON3.4.4.& &&& & （1） 当然，首先是需要启动虚拟机并且正常启动Ubuntu.然后在Ubuntu里面启动FireFox浏览器。& &&& & （2） 进入PYTHON的官网，https://www.python.org/downloads/source/，选择Python 3.4.4-下面的Download Gzipped Source tarball. 等待下载完成。& &&& & （3） 使用 sudo tar -zxvf Python-3.4.3.tgz,解压缩完成后，进入到Python-3.4.4目录中；& &&& & （4） 开始为编译进行配置，敲入： ./configure 略等几分钟，便配置完成。& &&& & （5） 配置完成后进入编译。这一步最简单。直接敲入：make& &&& & &(6) &编译完成后，开始安装。 sudo make install& & && & 到此，Python3.4.4的安装就完成。& & 在当前目录下敲入：Python,就进入到Python系统了,这个时候才是安装成功。&& &&& & 尽管我的这个笔记本没有带有CUDA GPU。但是我不想一开始就做那么复杂的配置安装。所以我选择的是单CPU版本的。带GPU版本的在下一步进行。& &&& & 从GOOGLE的TENSROFLOW的安装指南，可以知道，TENSORFLOW API支持Python2.7和Python3.3以上，这就是为什么我要安装Python3.4.4。&& &&& & 在TENSORFLOW的安装条件满足的情况下，还需要弄清楚你的系统适合什么方法安装TENSORFLOW。总共是4种安装方法。我选择的是PiP安装方法。下面的步骤就是Pip安装指南。&& &&& & 当然先要安装Pip.这个非常简单。在Ubuntu的终端窗口，敲入：& &&& & sudo apt-get install python-pip python-dev,稍等片刻，然后再敲入：& &&& & sudo easy_install pip&& &&& & 到此，Pip安装完成。& & 下面开始就可以安装TENSORFLOW咯。& & 有一点需要特别注意哟。下面的安装需要翻墙。什么叫翻墙？不是我们小时候淘气的时候干的事。而是要翻越互联网的高墙。这个我就不说了。& &&& & 还是在终端窗口，敲入：& &&& & sudo pip install --upgrade /tensorflow/linux/cpu/tensorflow-0.8.0rc0-cp27-none-linux_x86_64.whl& &&& & 这个过程就视网络速度，所用的时间有长短。我是用的100M的宽带，大约花了6分钟。&& &&& & 到此TENSORFLOW的安装已经完成。& & 下面我们测试下TENSORFLOW是否安装成功。&& &&& & 进入python编程环境就可以进行测试啦，在UBUNTU的终端窗口，敲入：& &&& & python & & & &进入到Python编程环境。按照下面的步骤分别敲入对应的指令：& &&& & &&& 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& &&& & &&&&& &&& & 安装成功，以后再来编写使用经验。我公司是聚焦增强现实智能眼镜工业应用的专业服务，目前面向航空，航天，能源和高端制造以及职业技术培训的等工业大数据和人工智能系统。各位朋友可以通过以下方式联系到我们：& & www.kingsee.cc& & 微信：beskcom& & 24小时手机：人工智能与增强现实(WANG-YOUCHU)　
　文章为作者独立观点，不代表微头条立场
的最新文章
说起智能眼镜，我们第一个会想到的是Google Glass等高大上的设备，然而今天，要介绍的智能眼镜，竟是出目前在市面上能听到人工智能的产品很多，其实都只是人工智能的初级产品。严格意义上来说，还称不上人工智能。那么如深度学习是目前人工智能研究中最为热门的技术。增强现实智能眼镜在行业应用也是方兴。深度学习与增强现实眼镜的结合
人们在住医院时往往有非常不愉快的经历，每天面对着周围的患者、消毒水的味道以及存储在冰箱的血包还有更多
1、计算机技术的发展经历了几十年，互联网和信息技术也经历了20多年的时间，可是中国制造业的一
即前面介绍的青橙视界数字科技的智能眼镜在生产和维修的应用后，即将在海洋导航方面进行研发。继虚拟现实在生活中的广泛应用，增强现实在工业行业中的应用刚刚兴起。国内领先的增强现实智能眼镜设计和应用开发公据Fobes最新消息，虚拟现实技术创业公司 Magic Leap 目前正在准备规模为 8.27 亿美元的 CTENSORFLOW是谷歌公司去年开源的用于机器学习的一个深度学习框架。在我们目前的工作中，急需要类似的工具，所以进行了测试。以后会不断的更新我的学习进展。希望同行们批评指正。毕竟我不是专业的软件人员。
2016年科技圈热闹非凡，AR、VR、人工智能、大数据...这些新名词频频现身各大媒体，不断刷爆朋友WANG-YOUCHU人工智能理论研究，人工智能机器人系统研究，增强现实与人工智能的完美结合研究。热门文章最新文章WANG-YOUCHU人工智能理论研究，人工智能机器人系统研究，增强现实与人工智能的完美结合研究。Ubuntu14.04安装tensorflow-红联Linux系统门户
您的位置：
&& 查看内容 － － －
Ubuntu14.04安装tensorflow
sxjcsxm发布于
&&字号: &&&&(网友评论&1&条)&
Ubuntu14.04安装tensorflow
上tensorflow官网tensorflow.org学习一番安装流程，发现可以直接用pip安装
Ubuntu14.04，按照官网给的步骤
# For CPU-only version
$ pip install
在终端里输入：
$ sudo pip install
然而提醒我python-pip没有安装
$ sudo apt-get install python-pip
$ sudo pip install
时出现类似这样的错误
ascii' codec can't decode byte 0xe5 in position 0: ordinal not in
range(128)
往上翻发现建议我安装python-dev，估计是python-dev没有安装的问题 于是
$ sudo apt-get install python-dev
$ pip install
搞定，现在在python里可以import tensorflow了，前提需要安装python！
作者: aiwoderen&发布日期:
好强的思路
共有评论数 1/每页显示数 10
发表评论，与各位同人交流。回复请点击下方的我要评论按钮(游客可回复)，要发表贴子请点击
Linux教程下载？“”（请点击），Linux教程免费下载。
求助Linux问题？论坛有39版块，覆盖所有Linux技术层面。前往“”
　|　　|　　|　　|　　|　　|　　|　　|　　|　　|　　|　　|　
&2015 红联 Powered by SupSite