如何在 Ubuntu 20.04 上安装 TensorFlow

介绍

TensorFlow是一个开源机器学习软件库，用于训练神经网络。以有状态数据流图的形式表示，图中的每个节点代表神经网络对多维数组执行的操作。这些多维数组通常被称为“张量”，因此得名 TensorFlow。

在本教程中，您将使用virtualenv. 这种方法隔离了 TensorFlow 安装并快速启动和运行。完成安装后，您将通过导入 Tensorflow 来验证您的安装，以确保没有错误。

先决条件

在开始本教程之前，您需要具备以下条件：

步骤 1 — 创建编程环境

在这一步中，我们将创建一个虚拟环境，以便在不影响其他编程项目的情况下将 TensorFlow 安装到其中。如果您已经设置了一个干净的编程环境，请跳过此步骤。

首先，创建一个项目目录。我们将tf-demo出于演示目的而调用它，但请选择一个对您有意义的目录名称：

  • mkdir ~/tf-demo

导航到您新创建的tf-demo目录：

  • cd ~/tf-demo

然后创建一个名为 的新虚拟环境tensorflow-dev，例如。运行以下命令创建环境：

  • python3 -m venv tensorflow-dev

这将创建一个新tensorflow-dev目录，其中将包含您在此环境激活时安装的所有软件包。它还包括pip一个独立版本的 Python。

现在激活您的虚拟环境：

  • source tensorflow-dev/bin/activate

激活后，您的终端提示将反映您处于虚拟环境中：

(tensorflow-dev)username@hostname:~/tf-demo $

此时您可以在您的虚拟环境中安装 TensorFlow。

第 2 步 – 安装 TensorFlow

在安装 TensorFlow 时，我们要确保我们正在安装并升级到PyPi 中可用的最新版本。

因此，我们将在 pip 中使用以下命令语法：

  • pip install --upgrade tensorflow

一旦你按下ENTER，TensorFlow 就会安装，你应该会收到指示安装以及任何依赖包成功的输出。

Output
...
Successfully installed absl-py-0.7.1 astor-0.7.1 gast-0.2.2 grpcio-1.19.0 h5py-2.9.0 keras-applications-1.0.7 keras-preprocessing-1.0.9 markdown-3.0.1 mock-2.0.0 numpy-1.16.2 pbr-5.1.3 protobuf-3.7.0 setuptools-40.8.0 tensorboard-1.13.1 tensorflow-1.13.1 tensorflow-estimator-1.13.0 termcolor-1.1.0 werkzeug-0.15.0 wheel-0.33.1
...

Successfully installed bleach-1.5.0 enum34-1.1.6 html5lib-0.9999999 markdown-2.6.9 numpy-1.13.3 protobuf-3.5.0.post1 setuptools-38.2.3 six-1.11.0 tensorflow-1.4.0 tensorflow-tensorboard-0.4.0rc3 werkzeug-0.12.2 wheel-0.30.0


您可以随时使用以下命令停用虚拟环境：

  • deactivate

要稍后重新激活环境，请导航到您的项目目录并运行.source tensorflow-dev/bin/activate

现在您已经安装了 TensorFlow，让我们确保 TensorFlow 安装工作正常。

第 3 步 – 验证安装

为了验证 TensorFlow 的安装，我们将确保我们可以导入 TensorFlow 包。

  • python

您的终端上将出现以下提示：

>>>

这是 Python 解释器的提示，它表明您已准备好开始输入一些 Python 语句。

首先，输入这一行以导入 TensorFlow 包并使其可用作局部变量tf。ENTER输入代码行后按：

  • import tensorflow as tf

只要你没有收到错误，你就已经成功安装了 TensorFlow。如果您收到错误消息，您应该确保您的服务器足够强大以处理 TensorFlow。您可能需要调整服务器的大小，确保它至少有 4GB 的内存。

结论

在本教程中，您已在 Python 虚拟环境中安装了 TensorFlow，并通过导入来验证 TensorFlow 是否有效。

TensorFlow 的程序员指南为 TensorFlow 开发提供了有用的资源和参考。您还可以探索Kaggle，这是一个用于机器学习概念实际应用的竞争环境，让您与其他机器学习、数据科学和统计爱好者竞争。

觉得文章有用？

点个广告表达一下你的爱意吧 ！😁