概念介绍

Anaconda

Anaconda（https://www.continuum.io/why-anaconda）是一个用于科学计算的Python发行版，支持 Linux, Mac, Windows系统，提供了包管理与环境管理的功能，可以很方便地解决多版本python并存、切换以及各种第三方包安装问题。Anaconda利用工具/命令conda来进行package和environment的管理，并且已经包含了Python和相关的配套工具。

这里先解释下conda、anaconda这些概念的差别。conda可以理解为一个工具，也是一个可执行命令，其核心功能是包管理与环境管理。包管理与pip的使用类似，环境管理则允许用户方便地安装不同版本的python并可以快速切换。Anaconda则是一个打包的集合，里面预装好了conda、某个版本的python、众多packages、科学计算工具等等，所以也称为Python的一种发行版。其实还有Miniconda，顾名思义，它只包含最基本的内容——python与conda，以及相关的必须依赖项，对于空间要求严格的用户，Miniconda是一种选择。

TensorFlow

TensorFlow™ 是一个采用数据流图（data flow graphs），用于数值计算的开源软件库。节点（Nodes）在图中表示数学操作，图中的线（edges）则表示在节点间相互联系的多维数据数组，即张量（tensor）。它灵活的架构让你可以在多种平台上展开计算，例如台式计算机中的一个或多个CPU（或GPU），服务器，移动设备等等。TensorFlow 最初由Google大脑小组（隶属于Google机器智能研究机构）的研究员和工程师们开发出来，用于机器学习和深度神经网络方面的研究，但这个系统的通用性使其也可广泛用于其他计算领域。

0

安装Anaconda

1、下载Anaconda

选择Anaconda官方网站（https://www.anaconda.com/download/）下载，考虑到Python2.7不可或缺的地位，选择Python2.7 64-BIT版本下载，当然Python3.6 也可以。

Anaconda 下载

如果觉得Anaconda官方网站（https://www.anaconda.com/download/）下载速度过慢，可以选择：

Anaconda installer archive（https://repo.continuum.io/archive/）

清华大学开源软件镜像站：Anaconda（https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/）

2、安装Anaconda

打开终端，输入：bash Anaconda2-4.4.0-Linux-x86_64.sh开始安装。下图中作者手抖下错了版本，后面重新卸载后，换回了新版本。

安装过程中各种选项，选择默认即可。

注意：

Do you wish the installer to prepend the Anaconda2 install location to PATH in your /home/dexter/.bashrc ? [yes|no]

请选择 yes 则会自动配置环境变量，无需自己手动添加。

配置环境

安装完毕后可以打开终端，输入conda --version查询conda版本。

03

安装TensorFlow

TensorFlow的安装方式有很多，在此选择使用基于Anaconda的安装方式。实际上到这一步后安装TF已经非常简单，官方文档(https://www.tensorflow.org/install/install_linux#InstallingAnaconda)也有着简洁明了的指导，建议自习阅读，安装出现问题，一般都可以查阅官方文档（https://www.tensorflow.org/install/install_linux#InstallingAnaconda）。

1、使用conda指令创建虚拟环境

打开终端，输入conda create --nane tensorflow python=2.7,其中“tensorflow”是新创建的环境（容器）名称，你也可以选择其他命名。

创建新环境

关于如何激活、关闭环境，安装过程中也有提示：

# To activate this environment, use:

# > source activate tensorflow

#

# To deactivate this environment, use:

# > source deactivate tensorflow

2、在新创建的虚拟环境Tensorflow（容器）中安装Tensorflow

官方安装流程

打开终端，输入 source activate tensorflow 激活新创建的容器。

tensorflow安装

输入：

(tensorflow)$ pip install --ignore-installed --upgrade tfBinaryURL

末尾的tfBinaryURL请用如下链接替换：

https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.2.1-cp27-none-linux_x86_64.whl

以上链接为TensorFlow（GPU）1.2.1版本。如果只需要安装CPU版本（无需CUDA&cuDNN），请用如下链接替换tfBinaryURL：

https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.2.1-cp27-none-linux_x86_64.whl

3、确认安装情况

Validate your installation

Invoke python from your shell as follows:

$ **python**

Enter the following short program inside the python interactive shell:

# Python import tensorflow as tf hello = tf.constant('Hello, TensorFlow!') sess = tf.Session() print(sess.run(hello))

If the system outputs the following, then you are ready to begin writing TensorFlow programs:

Hello, TensorFlow!

If you are new to TensorFlow, see Getting Started withTensorFlow（https://www.tensorflow.org/get_started/get_started）.

If the system outputs an error message instead of a greeting, see Common installation problems（https://www.tensorflow.org/install/install_linux#common_installation_problems）.

Hello, Dexter~

至此，基于Anaconda的TensorFlow安装成功。

启动IDE

因为是在Anaconda中安装的TensorFlow，推荐使用Anaconda自带的IDE：Spyder。启动方法：

打开终端，激活tensorflow环境

source activate tensorflow

输入：spyder 指令，稍等即可打开spyder3（环境还是python2.7）。

spyder3

再右下角的console中输入：

import tensorflow as tf

如果系统没有报错，则可以正常使用IDE，可以运行上图中的MNIST程序验证。如果显示没有tensorflow这个module或者文件不存在，则可能没能统一编译环境。解决方法如下：

1、关闭spyder，在已经激活的tensorflow环境中输入：

conda install spyder

重新安装spyder，可能这个过程比较慢，涉及的包特别多，下载速度堪忧。安装好之后再次在tensorflow环境中输入spyder打开IDE，再尝试：

import tensorflow as tf

如果没问题即可，如果依旧显示无法找到tf模块，可参照以下方法。

2、打开一个新终端，输入：

# 删除tensorflow环境

conda remove -n python27 tensorflow

然后重新安装tensorflow，在版本选择时，选择1.2.0版本。即，将tfBinaryURL中的1.2.1替换为1.2.0：

https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.2.0-cp27-none-linux_x86_64.whl

后面步骤照旧，如果无法import，再次重新安装spyder，即可。