如何在Windows和Linux上下载、安装和设置Tensorflow

TensorFlow是由谷歌开发的用于机器学习和人工智能的开源平台。它帮助开发人员在这个领域进行各种任务。

首先，您需要了解深度学习或者具体说是深度学习才能使用TensorFlow。

在这里，让我简要介绍一下TensorFlow的一些特点以及在Windows和Linux上快速安装它的方法。

TensorFlow概述

从技术上讲，TensorFlow是一个帮助深度学习应用和其他机器学习用例的平台。

它使构建和部署基于机器学习的应用程序变得简单。如果您想使用机器学习解决一个问题，您可以借助TensorFlow获得帮助。

TensorFlow提供了使用Python或JavaScript开发和训练模型的工具。虽然我不是一个开发人员，但您可以探索它的文档，了解它如何影响您部署机器学习应用程序的工作流程。

TensorFlow的特点

TensorFlow因其多个原因而著名，您可以根据其最佳特性来评估它。

如果我们讨论技术上的好处，您将不得不根据您的实际情况来进行比较。因此，我们将专注于对大多数人有益的常见功能。

1. 开源

谷歌于2015年决定将TensorFlow开源，以便社区进一步改进并提供其工作原理的透明性。

开发人员可以以各种方式自定义库以解决您可能没有预料到的问题。

如果没有开源框架，它可能不会像现在这样受欢迎。因此

2. 简单调试

TensorFlow旨在帮助您轻松构建模型，因此简化的调试体验是其中的一部分。

直观的用户体验是锦上添花。

3. 支持CPU和GPU

使用TensorFlow，您可以在CPU或GPU上训练数据计算。通常，与CPU相比，GPU在深度学习应用程序中速度更快。

因此，如果您的工具库中有一块强大的GPU，TensorFlow可以帮助您充分利用它。

4. 有用的机器学习API

API能够帮助开发人员将各种功能集成到他们的应用程序中。TensorFlow提供了访问一系列稳定API的接口。

其中一些API可能还提供了性能优势。根据其官方声明，您在Python中使用这些API应该没有问题。如果您使用其他语言，您需要与TensorFlow维护人员确认它们是否适用于您的用例。

5. 用于生产的现成模型

TensorFlow提供了各种预训练模型。无论您是专业人士还是新手，您都可以使用这些模型来节省时间，更快地构建机器学习模型。

除了这些特性，您还可以获得灵活性、易用性、可视化工具包等等，这些都可以帮助您进行机器学习开发。

现在您已经对TensorFlow有了很好的了解，那么您可以从哪里下载它？如何在Windows和Linux系统上安装和设置它？

我们来讨论一下下面的内容。

下载和安装TensorFlow

与其他程序不同，您在这里不会得到一个.exe安装文件。主要是您需要使用推荐的软件包管理器下载软件包。

总的来说，有不同的安装方式。我们可以列举如下：

• 使用Miniconda和pip
• 在WSL 2上使用Miniconda和pip
• 使用一个软件包管理器
• 从源代码构建

如何在Windows上安装TensorFlow？

与其他程序不同，您在这里不会得到一个.exe安装文件。您需要使用推荐的软件包管理器下载软件包。

#1. 使用Miniconda和pip（推荐方法）

注意：在撰写本文时，TensorFlow 2.10是在Windows上支持GPU的最后一个版本（原生支持）。如果您使用更新的软件包，TensorFlow建议您在WSL 2中安装TensorFlow，下面将讨论该方法。

如果您想要使用支持GPU的TensorFlow，TensorFlow建议使用Miniconda（conda软件包管理器的安装程序）来开始。

使用Miniconda，您可以创建一个单独的环境，以避免与系统中的任何其他软件发生冲突。

开始之前，您需要下载最新的Miniconda Windows Installer并按照屏幕上的说明完成安装。

完成后，您需要启动Miniconda提示符，如屏幕截图所示：

这就是它的样子：

在看到Anaconda提示窗口后，您可能想要输入以下命令，以确保conda软件包管理器已经更新：

conda update -n base -c defaults conda

完成这些步骤后，您需要按照以下步骤安装TensorFlow：

首先，创建一个新的环境（名称为tf）：

conda create --name tf python=3.9 

提示：您可以使用以下命令激活/停用它：conda activate tf和conda deactivate

您需要激活它以继续操作。要在过程中启用GPU支持，您必须确保已安装图形驱动程序（NVIDIA GPU），然后使用以下命令安装一些软件包：

conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0

它会下载大约1 GB的软件包，其中包括用于部署带有GPU和深度神经网络的机器学习应用程序的工具。

最后，您将需要利用pip package manager来安装TensorFlow软件包。您可以选择使用conda来安装Tensorflow，但它可能没有所需的最新稳定版本。

在继续之前，确保使用以下命令更新pip：

pip install --upgrade pip

完成后，使用以下命令安装TensorFlow：

pip install tensorflow

您会注意到有许多软件包正在构建/安装。它可能在过程中显示为停滞不前，但请稍等片刻，它应该会恢复并完成安装。

#2. 在WSL 2上使用Conda和pip

假设您已经在系统上设置了WSL 2，您可以在发行版的终端中使用以下命令安装TensorFlow：

conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CONDA_PREFIX/lib/

python3 -m pip install tensorflow

# 验证安装：

python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

您可以一次粘贴所有内容，它将逐个处理。

如果您尚未在Windows上安装WSL 2，请前往以管理员权限运行的命令提示符，然后输入以下内容：

wsl.exe --install

它将下载Ubuntu并为您的系统启用WSL功能。您需要重新启动计算机才能完成安装。

如果在系统上找不到Ubuntu，可以转到Microsoft Store并安装Ubuntu WSL。

#3. 从源代码构建

考虑到TensorFlow是开源的，您可以根据自己的配置选项从头开始构建它。

因此，这只推荐给了解所有选项并了解配置细节的高级用户。请参考official documentation了解更多信息。

如何在Linux上安装TensorFlow？

与Windows一样，您可以使用Miniconda和pip在Linux上安装TensorFlow。或选择从源代码构建。

让我向您展示如何完成：

#1. 使用Miniconda和pip（推荐方法）

注意：按照与Windows相同的命令操作。唯一的区别是在Linux上安装/下载Miniconda的方式。

以下是如何在Linux上使用终端安装Miniconda：

curl https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh -o Miniconda3-latest-Linux-x86_64.sh

bash Miniconda3-latest-Linux-x86_64.sh

重新启动Linux发行版上的终端，您将看到如下内容：

您会注意到终端提示变量之前有一个(base)。这表示conda当前处于活动状态并已安装。

除非您完成了TensorFlow的安装，否则不要停用它。

您可以导航到上述针对Windows的步骤并进行安装。或者，粘贴以下内容以安装TensorFlow：

conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CONDA_PREFIX/lib/
python3 -m pip install tensorflow
# 验证安装：
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

在Linux上，您可能会遇到GPU驱动程序的问题。为此，您应该参考NVIDIA’s documentation以获取更多信息。

#2. 从源代码构建

与Windows一样，在Linux上从源代码构建是棘手的，纯粹是为高级用户准备的。

您（假设您是初学者）不应选择此方法，除非您有特定目标。探索更多相关信息的最佳方法是参考documentation。

如何使用Docker安装TensorFlow？（Windows和Linux）

无论平台如何，Docker都可以让您轻松安装TensorFlow映像。

确保您的系统上已安装Docker，或者您可以按照我们的Docker installation guide进行帮助。

设置完成后，您需要从Docker中输入以下命令：

docker pull tensorflow/tensorflow  

您需要熟悉Docker容器，以便为您的工作启动具有所需配置的容器。

有关特定的GPU支持或下载不同版本的TensorFlow，请参考official documentation中提供的选项。

当您希望使用Docker运行它时，命令看起来像这样：

docker run [-it] [--rm] [-p hostPort:containerPort] tensorflow/tensorflow[:tag] [command]

TensorFlow常见安装错误

最后，这里有一些在安装TensorFlow时可能遇到的常见错误：

• “ImportError: DLL load failed: The specified module could not be found.“：

这只是意味着CUDA未安装。

• “AttributeError: module ‘tensorflow’ has no attribute’ Session’”: 

您的TensorFlow安装已损坏。完全卸载TensorFlow和TensorFlow-GPU，然后重新安装TensorFlow-GPU。

• 一般问题，可能与tensorboard有关：

Tensorflow使用tensorboard，它有时可能是“任性”的。必须确保tensorboard与TensorFlow版本相同，并卸载较新的版本。

• “ImportError: DLL load failed: The specified module could not be found“：

要么CUDA未安装（使用memcheck），要么安装的TensorFlow GPU版本不兼容。解决方案很简单：卸载TensorFlow-GPU并安装较旧的版本。

• “ImportError：找不到‘ cudart 64_10.dll’”：

安装的CUDA版本与您的计算机不兼容。错误告诉您需要64位的CUDA 10.0。因此，您可以完全卸载CUDA，然后安装控制台中指定的版本。请记住更改环境变量以适应新的安装

结论

TensorFlow的安装只需一次，并且通过我们的指南，对于大多数人来说应该是一个无障碍的过程。

如果您已经有旧的Python版本或旧的Conda软件包管理器的配置或设置，请确保应用最新更新以无缝安装TensorFlow。

您还可以探索最佳的AI Platforms来构建AI和ML应用程序。