TensorFlow cpu only 安装记录

Machine-Learning 2017-08

这里简单记录一下安装TensorFlow的步骤，环境为Ubuntu16.0.4，以供参考。

基础工具准备

Python

安装完Ubuntu16.0.4以后，python默认已经安装好了，验证一下是否安装，如果没有安装需要自己手动安装一下即可

python -V

如果已经安装，会显示当前的python版本，这里使用的是2.7版本，如果没有安装可以通过以下命令安装

sudo apt-get install python2.7

Pip

Pip是Python包管理工具之一

sudo apt-get install python-pip

升级Pip

sudo pip install --upgrade pip

然后可以通过Pip安装其他

安装形式同上，比如安装numpy

sudo apt-get install python-numpy

最后画红线的TensorFlow就是我们马上安装的。

Git

sudo apt install git

Java

分别输入以下命令，配置Java环境。

sudo add-apt-repository ppa:webupd8team/java

sudo apt-get update

sudo apt-get install oracle-java8-installer

Bazel

Google软件构建工具Bazel

echo "deb [arch=amd64] http://storage.googleapis.com/bazel-apt stable jdk1.8" | sudo tee /etc/apt/sources.list.d/bazel.list

curl https://bazel.build/bazel-release.pub.gpg | sudo apt-key add -

sudo apt-get update

sudo apt-get install bazel

完成以后，在命令行中输入bazel，验证安装版本。

下载TensorFlow源码

git clone --recurse-submodules https://github.com/tensorflow/tensorflow.git

完成以后，在本地会有TensorFlow目录。

接下来我们的操作（配置TensorFlow和编译TensorFlow）都在这个目录下完成。

配置TensorFlow

命令行进入上图所示的目录，打开configure，开启配置。
为了安装顺利进行，我们仅仅对第一个开启yes，其他都是no。

编译TensorFlow

配置好configure以后，进入编译阶段，注意这个时间因电脑性能各异，总体比较慢，需要耐性等待编译完成

bazel build -c opt //tensorflow/tools/pip_package:build_pip_package 

编译成功以后，生成可执行文件

bazel-bin/tensorflow/tools/pip_package/build_pip_package /tmp/tensorflow_pkg 

安装TensorFlow

进入/tmp/tensorflow_pkg目录，然后执行安装即可

sudo pip install tensorflow-1.3.0-cp27-none-linux_x86_64.whl

验证TensorFlow，只要在python环境下，导入tensorflow没有报错，说明安装完成。

activate tensorflow   激活tensorflow
conda deactivate      注销tensorflow
aconda 升级到2.0 以后hello的验证就变成了这样：
import tensorflow as tf
g = tf.Graph()
with g.as_default():
    hello = tf.constant("hello tensorflow")
sess = tf.compat.v1.Session(graph=g)
print(sess.run(hello))
sess.close()
如果按照原先的
import tensorflow as tf
hello = tf.constant("hello tensorflow")
sess = tf.Session()
print(sess.run(hello))
这个会报错：
RuntimeError: The Session graph is empty.  Add operations to the graph before calling run()