【tflearn系列教程】（二）如何安装tflearn

96 阅读 0 评论 64 点赞

我是靠谱客的博主高挑雪糕，最近开发中收集的这篇文章主要介绍【tflearn系列教程】（二）如何安装tflearn，觉得挺不错的，现在分享给大家，希望可以做个参考。

概述

本教程参考自tflearn官方文档（英文版）http://tflearn.org，主要是对官方文档的翻译与讲解，并结合本人实战经验而作，如有错误，欢迎指出！
作者 : totorocyx 　　　邮箱 : 847994259@qq.com（转载请联系）

一、从tensorflow开始的旅程

安装TFLearn 需要先安装 Tensorflow (version 1.0+) 。如果已经装好的可以跳过这一节。（注意：此安装教程是基于ubuntu系统的，其他系统暂时不给出具体教程，请自行研究，大同小异。）安装tensorflow有多种方法，笔者推荐使用anaconda安装，并且使用anaconda创建一个tensorflow专属环境，在环境中安装，便于管理。可以参考这位博主的教程来安装anaconda。假设读者已经安装好anaconda：

STEP 1：创建tensorflow专属环境并激活环境：

# 创建环境 基于python3.5
$ conda create -n tensorflow python=3.5
# 激活环境
$ source activate tensorflow

#附 退出当前环境的命令
$ source deactivate tensorflow

STEP 2：根据自己的系统选择正确的版本。笔者用的系统是ubuntu16.04 LTS，64位，集显（无GPU），python3.5，故选择的是 ubuntu/Linux 64-bit, CPU only, Python 3.5 。选择好后，Ctrl+Alt+T 打开终端，拷贝对应的命令：

# Ubuntu/Linux 64-bit, CPU only, Python 2.7
$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.1.0-cp27-none-linux_x86_64.whl

# Ubuntu/Linux 64-bit, GPU enabled, Python 2.7
# Requires CUDA toolkit 8.0 and CuDNN v5. For other versions, see "Installing from sources" below.
$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.1.0-cp27-none-linux_x86_64.whl

# Mac OS X, CPU only, Python 2.7:
$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-1.1.0-py2-none-any.whl

# Mac OS X, GPU enabled, Python 2.7:
$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/mac/gpu/tensorflow_gpu-1.1.0-py2-none-any.whl

# Ubuntu/Linux 64-bit, CPU only, Python 3.3
$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.1.0-cp33-cp33m-linux_x86_64.whl

# Ubuntu/Linux 64-bit, GPU enabled, Python 3.3
# Requires CUDA toolkit 8.0 and CuDNN v5. For other versions, see "Installing from sources" below.
$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.1.0-cp33-cp33m-linux_x86_64.whl

# Ubuntu/Linux 64-bit, CPU only, Python 3.4
$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.1.0-cp34-cp34m-linux_x86_64.whl

# Ubuntu/Linux 64-bit, GPU enabled, Python 3.4
# Requires CUDA toolkit 8.0 and CuDNN v5. For other versions, see "Installing from sources" below.
$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.1.0-cp34-cp34m-linux_x86_64.whl

# Ubuntu/Linux 64-bit, CPU only, Python 3.5
$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.1.0-cp35-cp35m-linux_x86_64.whl

# Ubuntu/Linux 64-bit, GPU enabled, Python 3.5
# Requires CUDA toolkit 8.0 and CuDNN v5. For other versions, see "Installing from sources" below.
$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.1.0-cp35-cp35m-linux_x86_64.whl

# Ubuntu/Linux 64-bit, CPU only, Python 3.6
$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.1.0-cp36-cp36m-linux_x86_64.whl

# Ubuntu/Linux 64-bit, GPU enabled, Python 3.6
# Requires CUDA toolkit 8.0 and CuDNN v5. For other versions, see "Installing from sources" below.
$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.1.0-cp36-cp36m-linux_x86_64.whl

# Mac OS X, CPU only, Python 3.4 or 3.5:
$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-1.1.0-py3-none-any.whl

# Mac OS X, GPU enabled, Python 3.4 or 3.5:
$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/mac/gpu/tensorflow_gpu-1.1.0-py3-none-any.whl

STEP 3：使用以下命令安装：

# Python 2
$ pip install --ignore-installed --upgrade $TF_BINARY_URL

# Python 3
$ pip3 install --ignore-installed --upgrade $TF_BINARY_URL

注意：

如果在python3的anaconda环境中安装，那么pip和pip3没有区别。
若在anaconda环境中安装，并且只想装在当前环境下（假设环境名为tensorflow），那么不要加sudo，因为sudo安装是使用的默认python（可以理解为全局python），会对所有环境都有效。
若想在ipython下使用tensorflow包，那么必须先在此环境下安装ipython，再使用ipython（基于python2的环境）或ipython3（基于python3的环境）命令调出当前环境下的ipython，才能正确import安装好的tensorflow包，否则可能出现语法错误的提示。原因：直接使用ipython可能调出的是系统默认环境下的ipython，与当前环境下的python版本不匹配。在当前环境下配置的tensorflow是和当前环境下的python版本紧密结合的，所以ipython的python版本必须和当前环境下的python版本完全一致。可以使用下列方法来检查调出的ipython是不是当前环境下的ipython：
```
import sys
sys.path
```
查看显示出来的路径是否有 ~/anaconda3/envs/tensorflow/… 即tensorflow环境所在路径。如果有，那么就没有问题。
STEP 4：测试环境
进入python或ipython环境，输入import tensorflow as tf 看是否可以成功导入包。若没有出现错误提示，那么安装成功。可以试着运行以下一小段demo程序：

# 计算两个矩阵的乘法
import tensorflow as tf
matrix1=tf.constant([[3.,3.]])
matrix2=tf.constant([[2.],[2.]])
product=tf.matmul(matrix1,matrix2)
sess=tf.Session()
res=sess.run(product)
print(res)

二、安装tflearn

在安装tflearn之前，除了要确保tensorflow成功安装外，还要安装额外的两个依赖包，否则运行时会发生错误（即使可以成功安装）：

pip install scipy h5py

之后使用以下语句进行安装（根据个人喜好自己选择安装方式，二选一）：

# 安装最新beta版
$ pip install git+https://github.com/tflearn/tflearn.git

(需先安装git，如果没有安装，使用sudo apt-get install git命令进行安装)

# 安装最近的稳定版
$ pip install tflearn

最后进入python环境，import tflearn 若成功导入，则安装成功。如果出错，多数是因为之前的tensorflow配置错误，抑或是python版本出错，请参阅上边的教程，确保正确安装。

By totorocyx