給大家分享一下TensorFlow在MAC系統(tǒng)中的安裝步驟以及環(huán)境搭建的操作流程。

TensorFlow 底層的圖模型結(jié)構(gòu)清晰，容易改造；支持分布式訓練；可視化效果好。如果做長期項目，接觸較大數(shù)據(jù)集的話，TensorFlow很適用，而且谷歌也在不斷優(yōu)化完備它，對于使用深度學習朋友，TensorFlow是一個很好的工具。

在學習了一段時間臺大李宏毅關于deep learning的課程，以及一些其他機器學習的書之后，終于打算開始動手進行一些實踐了。

感覺保完研之后散養(yǎng)狀態(tài)下，學習效率太低了，于是便想白天學習，晚上對白天學習的知識做一些總結(jié)和記錄，如果有不妥的地方，歡迎大家批評指教，共同進步。

一、深度學習框架的選擇

隨著深度學習日趨火熱，技術的逐漸興起，各種深度學習框架也層出不窮。

目前使用普遍的框架有Tensorflow、Caffe、PyTorch、Theano、CNTK等，那么在這么多框架中該如何選擇呢？

筆者作為一個初學者，架不住Tensorflow的名氣之大，所以最開始便選擇了Tensorflow。當然不僅僅只是因為名氣大，Tensorflow作為谷歌主持的開源項目，它的社區(qū)熱度目前看來是旺盛的，而且現(xiàn)在也最為流行。聽說，它是在谷歌總結(jié)了DistBelief的經(jīng)驗教訓上形成的；它運行高效、可擴展性強，可以運行在手機、普通電腦、計算機群上。

下面再簡單介紹一下其他深度學習框架的特點：

（1） Caffe：卷積神經(jīng)網(wǎng)絡框架，專注于卷積神經(jīng)網(wǎng)絡和圖像處理，因為是基于C++語言，所以執(zhí)行速度非常的快。

（2） PyTorch：動態(tài)computation graph?。。。üP者學習Tensorflow一段后，便會轉(zhuǎn)學PyTorch試試看）

（3） Theano：因其定義復雜模型很容易，在研究中比較流行。

（4） CNTK：微軟開發(fā)的，微軟稱其在語音和圖像識別方面比其他框架更有優(yōu)勢。不過代碼只支持C++.

Tensorflow的一些特性就不再說了，網(wǎng)絡上相關資料也有很多。

下面就介紹一下Tensorflow的安裝，筆者的安裝順序是首先安裝Anaconda、然后安裝Tensorflow、再安裝Pycharm。

二、安裝Anaconda

安裝環(huán)境：

雖然筆者用的是mac，自帶了Python，但是還是先安裝了Anaconda（點擊進入官網(wǎng)）。因為它集成了很多Python的第三方庫，而且可以方便的管理不同版本的Python，在不同版本的Python之間切換。而且Anaconda是一個科學計算環(huán)境，在電腦上安裝完Anaconda之后，除了相當于安裝了Python，也安裝好了一些常用的庫。

筆者安裝的是Python 2.7版的Anaconda，在安裝好Anaconda之后，就已經(jīng)安裝好了Python和一些常用的庫了。此外，還自動安裝了Spyder。

Spyder是Python一個簡單的集成開發(fā)環(huán)境，和其他的Python開發(fā)環(huán)境相比，它最大的優(yōu)點就是模仿MATLAB的“工作空間”的功能，可以很方便地觀察和修改數(shù)組的值。

在終端中輸入Spyder就可以打開它了，如下圖所示：

但是筆者更喜歡使用Pycharm作為開發(fā)環(huán)境

三、建立、激活、安裝Tensorflow

打開終端，在上面輸入：

conda create -n tensorflow python=2.7

然后等執(zhí)行完畢之后，再執(zhí)行：

source activate tensorflow

至此就激活了運行環(huán)境。

然后再執(zhí)行pip install tensorflow以進行Tensorflow的安裝。

然后再執(zhí)行以下Hello Tensorflow代碼測試Tensorflow是否安裝成

import tensorflow as tf hello = tf.constant('Hello Tensorflow!') sess = tf.Session() print(sess.run(hello)) a = tf.constant(10) b = tf.constant(32) printf(sess.run(a+b))

如果正常的話會提示：

Hello Tensorflow! 42

四、PyCharm IDE

一直使用終端開發(fā)的話，實在是太過難用了。筆者選擇了PyCharm作為開發(fā)環(huán)境，官網(wǎng)鏈接。這里筆者用的是社區(qū)版（free）。

（1）首先新建一個Pycharm的工程

因為是做Tensorflow的開發(fā)，所以這里我們只需要選擇圖中所示的interpreter即可。

~/anaconda2/envs/tensorflow/bin/python

這樣就把Tensorflow環(huán)境包括了進來，超級方便。

如果平時開發(fā)，想用一些輕量級的環(huán)境，就選擇其他Python解釋器就可以了。

（2）運行一個demo進行測試

import tensorflow as tf hello = tf.constant('Hello, Tensorflow!') sess = tf.Session() print(sess.run(hello)) a = tf.constant(66) b = tf.constant(88) print(sess.run(a + b))

如果出現(xiàn)以下提示，就說明成功了，可以開始接下來的學習了~

Hello, Tensorflow! 154

五、總結(jié)

至此，我們便在機器上安裝好了Tensorflow以及其開發(fā)環(huán)境。

總的來說，只需要以下幾步：

安裝Anaconda 通過conda建立Tensorflow運行環(huán)境 激活Tensorflow運行環(huán)境 安裝Pycharm IDE

大家在本地MAC上安裝的時候，很多坑是需要留意的，我們把經(jīng)常遇到的坑給大家做了總結(jié)，希望你在安裝的時候盡量的避免這些地方。

一般都是服務器上直接開干，但是也會有人在本機上裝一下的，這里寫下，tensorflow在mac上安裝的坑，給后來者一個參考

1 安裝教程

直接去官網(wǎng)按照說明安裝就好，如果要安裝GPU版本，先安裝官網(wǎng)上的mac gnu設置教程，裝下cud相關的工具，最后有個sample跑過了就算gpu計算環(huán)境配置成功

2 第一個坑

按照官網(wǎng)上的教程，直接使用pip安裝方法就好，注意pip版本要大于8.1，然后你直接sudo pip install tensorflow （不加sudo會權限不夠），然后一般會不通過，提示卸載numpy不成功。 

我認為是這樣的原因：numpy是mac系統(tǒng)默認裝的庫，并且設置有保護，所以無法卸載，然后tensorflow需要更高版本的numpy，所以就不成功啦

解決方法如下：

去除mac系統(tǒng)的保護，1 重啟電腦 2 重啟看見蘋果logo了，按住command + R ，進入恢復模式 3 然后在上面的終端工具里面，進入終端 4 在終端輸入 csrutil disable 5 重啟，然后再次執(zhí)行pip安裝 還不明白的話看這篇博客

3 第二個坑

操作成功的話，就成功安裝啦，然后，進去python編輯行 

輸入 import tensorflow 然后你會發(fā)現(xiàn)，RuntimeError: module compiled against API version 0xa but this version of numpy is 0x9 這個錯誤，說是你bumpy版本太低，這個時候表示日狗，剛才去除了保護，安裝的時候已經(jīng)bumpy更新到最新版了，查看numpy的版本也是最新版，查看版本方法可自行百度。 

解決這個坑的方法如下：

import numpy
numpy.__path__
#你會發(fā)現(xiàn)出現(xiàn)了一個包含XXX/Framework/xxx的路徑，沒錯這還是系統(tǒng)安裝的那個numpy的路勁，
#雖然你升級了，然是導入包的時候還是按照之前的路勁導入，所以版本過低，這個時候只需要把老的路徑去掉
#就像這樣，在終端中（不是python編輯模式下）輸入：
sudo mv /System/Library/Frameworks/Python.framework/Versions/2.7/Extras/lib/python/numpy \
/System/Library/Frameworks/Python.framework/Versions/2.7/Extras/lib/python/numpy_old

然后再次進入python編輯模式，輸入

import numpy
numpy.__path__
#這個時候，路勁就變成了，我們升級的那個numpy的路徑了，是個XXX/local/xxx

然后你再import tensorflow 就沒問題啦，就可以去輸出hello world 了

最新評論