出于性能考虑，请别使用pip安装Tensorflow！

这几天在TensorFlow模型接收base64编码图像这件事情上卡壳了，翻阅了不少资料，仍没有找到圆满解决方案。暂时放松一下，翻译一篇文章，文章原题目为：Stop Installing Tensorflow using pip for performance sake!，连接地址：towardsdatascience.com/stop-instal…

中止使用pip安装Tensorflow！请改用conda。您还不知道conda是什么？它是一个跨平台运行的开源软件包和环境管理系统，适用于Mac，Windows和Linux。若是您尚未使用conda，我建议您开始使它，由于它可让您更加愉快地管理您的数据科学工具。

如下是使用conda而不是pip安装Tensorflow的两个很是重要的缘由。

CPU性能更快

conda Tensorflow软件包从1.9.0版本开始，利用用于深度神经网络的英特尔数学核心库(MKL-DNN)。该库提供了巨大的性能提高。这张图表能证实！

图表来自https://www.anaconda.com/blog/developer-blog/tensorflow-in-anaconda/

如图所见，与pip安装相比，conda安装的Tensorflow性能可提供超过8倍的速度提高。对于常常使用CPU进行训练和推理的人来讲，这很是有用。做为一名机器学习工程师，我使用CPU测试运行训练代码，而后将其推送到支持GPU的机器上。这种速度的提升帮助我更快地迭代。我尽量在CPU上作不少推理，因此这将有助于优化个人模型性能。

MKL库不只能够加速Tensorflow软件包，还能够加速其它普遍使用的库，如NumPy、NumpyExr、SciPy和Scikit-Learn！

GPU版本安装更简单

conda会自动安装GPU支持所需的CUDA和CuDNN库，而pip安装要求您手动执行此操做。每一个人都喜欢一步到位，特别是在下载库的时候。

快速开始

我但愿这两个缘由足以让您切换到使用conda。若是您肯定，从这一步开始。

pip uninstall tensorflow
复制代码

若是你尚未安装Anaconda或Miniconda，请安装。Miniconda只是安装conda和它的依赖，而Anaconda会预先安装不少软件包。我更倾向于使用Miniconda。安装conda后试试这个。

conda install tensorflow
复制代码

若是使用GPU的版本，请使用tensorflow-gpu替换tensorflow。

除了使得使用Tensorflow更快更简单以外，conda还提供了其余工具集，更易于集成到您的工做流程中。我最喜欢的一个特性是他们的虚拟环境功能。您能够在此处阅读有关conda和tensorflow的更多信息。这里有更多关于MKL优化的信息。

但愿这篇文章对您有帮助，感谢阅读！