Mac和Ubuntu下修改pip源和TensorFlow(CPU)安装

Ubuntu18.04LTS下cuda10.0+cudnn7.5+TensorFlow1.13环境搭建

---

目录

• 前言
• macOS
• Ubuntu 18.04 LTS
• 最后

---

前言

这篇是对上一篇的补充, 主要是macOS和Ubuntu下的cpu版的TensorFlow安装, 总体都比较简单.

---

macOS

在用pip3下载以前, 我建议先修改下Mac的pip镜像源, 不然下载很糟心.

cd ~/
mkdir .pip
cd .pip
touch pip.conf
vim pip.conf
复制代码

输入以下内容:

[global]
index-url=http://mirrors.aliyun.com/pypi/simple/
[install]
trusted-host=mirrors.aliyun.com
复制代码

可选源还有不少, 可是阿里的足够了.

• http://pypi.douban.com/
• http://pypi.hustunique.com/
• http://pypi.sdutlinux.org/
• http://pypi.mirrors.ustc.edu.cn/

接着安装下virtualenv

sudo pip3 install --upgrade virtualenv
virtualenv --system-site-packages ~/tensorflow
cd ~/tensorflow
复制代码

而后依据本身的bash版本输入以下指令的一条, 好比我就是zsh, 输入第一个指令, #号及以后部分都是注释, 不要输入:

source ~/tensorflow/bin/activate      # If using bash, sh, ksh, or zsh
source ~/tensorflow/bin/activate.csh  # If using csh or tcsh 
复制代码

而后py3.x用第二条, py2.7用第一条:

pip install --upgrade tensorflow      # for Python 2.7
pip3 install --upgrade tensorflow     # for Python 3.x
复制代码

以后想要退出当前环境, 就输入以下指令:

deactivate
复制代码

大致效果以下图:

接下来是一个测试小栗子:

#!/usr/local/bin/python3
import tensorflow as tf

hello = tf.constant('Hello, tf!')
sess = tf.Session()
print (sess.run(hello))

a = tf.constant(10)
b = tf.constant(32)
print (sess.run(a+b))

matrix1 = tf.constant([[3., 3.]])
matrix2 = tf.constant([[2.],[2.]])
product = tf.matmul(matrix1, matrix2)
result = (sess.run(product))
print (result)

sess.close()
复制代码

可能你们会疑惑一开始的那一段, 能够加入以下代码:

# Just disables the warning, doesn't enable AVX/FMA
import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
复制代码

这样就没有了, 具体缘由, 自行google咯:

---

Ubuntu 18.04 LTS

总体操做逻辑差很少, 先改下镜像源:

apt-get install python-pip python-dev build-essential
pip install --upgrade pip 
pip3 install --upgrade virtualenv 
复制代码

而后建立pip.conf文件:

mkdir ~/.pip
vim ~/.pip/pip.conf
复制代码

添加源:

[global]
index-url=http://mirrors.aliyun.com/pypi/simple/
[install]
trusted-host=mirrors.aliyun.com
复制代码

最后安装TensorFlow:

pip3 install tensorflow
复制代码

复制以前的测试案例测试下:

---

最后

关于GPU版本的, 能够参看Ubuntu18.04LTS下cuda10.0+cudnn7.5+TensorFlow1.13环境搭建. 喜欢记得点赞哦, 有意见或者建议评论区见~