最近開始學(xué)機(jī)器學(xué)習(xí)，折騰了下 Tensorflow 的安裝方式，發(fā)現(xiàn)安裝的時(shí)候還是有許多坑的，不同的方法也有許多優(yōu)劣，在此做個(gè)筆記給大家分享一下。

首先，Tensorflow 官方提供了安裝文檔：https://www.tensorflow.org/install，不過(guò)里面只講了 pip 安裝和 Docker，本文會(huì)提到更多安裝方法，可以看具體情況選擇。

本文轉(zhuǎn)自我的個(gè)人博客

原文鏈接：https://www.zouht.com/3214.html

本文使用：CC BY-NC-SA 4.0 許可

1. 安裝方式與對(duì)比

方法一：純 pip 安裝

簡(jiǎn)介

• 上手難度：低

• 維護(hù)難度：高

• 推薦程度：低

Tensorflow 官方提供的方法之一就是直接 pip 安裝，但我非常不建議這樣安裝。把不同項(xiàng)目需要的軟件包全堆到一個(gè)環(huán)境里面，這樣有非常大的概率會(huì)產(chǎn)生各種沖突報(bào)錯(cuò)，非常難以維護(hù)。

安裝步驟

1.?確保有 Python 和 pip 環(huán)境

(截至 2023/5/32) Tensorflow 支持：

• Python 3.6–3.9

• Ubuntu 16.04 或更高版本

• Windows 7 或更高版本

2.?使用 pip 安裝 tensorflow 軟件包

pip install tensorflow

3.?安裝完成

方法二：virtualenv + pip 安裝

簡(jiǎn)介

• 上手難度：中

• 維護(hù)難度：低

• 推薦程度：中

virtualenv 是一個(gè)比較經(jīng)典的 Python 環(huán)境管理器，它通過(guò)創(chuàng)建虛擬環(huán)境，將每個(gè)環(huán)境隔離起來(lái)，防止軟件包互相干擾。所以我們可以把它應(yīng)用到 Tensorflow 的安裝當(dāng)中，將它的環(huán)境隔離開來(lái)。

但是它相對(duì)于 Conda 這個(gè) Python 環(huán)境管理器來(lái)說(shuō)，還是有許多局限：

• 不能切 Python 版本（只能用本機(jī)版本）

• 每次都要運(yùn)行腳本啟動(dòng)環(huán)境

• 不能隨便移動(dòng)文件夾

• 管理功能欠缺

安裝步驟

1.?確保有 Python 和 pip 環(huán)境

Python 3.6–3.9

2.?安裝 virtualenv

pip install virtualenv

（由于 virtualenv 是一個(gè)工具，建議裝到全局 Python 環(huán)境中）

3.?新建虛擬環(huán)境

在虛擬環(huán)境需要放置的目錄打開 Terminal，執(zhí)行：

virtualenv <虛擬環(huán)境名>

（一般虛擬環(huán)境名起名為 venv 就行）

4.?啟用虛擬環(huán)境

根據(jù)不同平臺(tái)的不同 Terminal，選擇不同的指令執(zhí)行：

• Windows 平臺(tái) CMD：.\venv\Script\activate.bat

• Windows 平臺(tái) Powershell：.\venv\Script\activate.ps1

• Windows 平臺(tái) Gitbash：source ./venv/Script/activate

• Linux/macOS 平臺(tái) bash：source ./venv/bin/activate

啟用后，命令行前面會(huì)多出一個(gè)括號(hào)，括號(hào)內(nèi)為環(huán)境名，如：(venv)

4.?在虛擬環(huán)境內(nèi)使用 pip 安裝 tensorflow 軟件包

啟用虛擬環(huán)境后，該環(huán)境的軟件包就是與外界隔離的了，直接 pip：

pip install tensorflow

5.?退出虛擬環(huán)境

如果使用完畢需要退出的話，使用：

deactivate

方法三：Conda 安裝

簡(jiǎn)介

• 上手難度：中

• 維護(hù)難度：低

• 推薦程度：高

Conda 是目前非常流行也非常強(qiáng)大的一個(gè) Python 環(huán)境管理器，它的基本功能和上文的 virtualenv 一致，但是它有很多好用的額外特性。

安裝步驟

1.?下載 Anaconda

前往 Anaconda 官網(wǎng)下載安裝包：https://www.anaconda.com/download/

2.?安裝 Anaconda

運(yùn)行安裝包，前面的設(shè)置都默認(rèn)就行，最后一步需要注意，需要勾選將 Anaconda3 加入到 PATH 環(huán)境變量中（雖然上面注明了不建議，但是如果不加入環(huán)境變量，后續(xù)的使用會(huì)麻煩很多）

如果安裝的時(shí)候忘記勾選環(huán)境變量，也可以手動(dòng)添加以下五條：

3.?初始化 Conda

首先要初始化 conda，如果不初始化的話，虛擬環(huán)境啟用了沒(méi)反應(yīng)：

conda init <shell>

shell 類型需要根據(jù)自己的運(yùn)行的 shell 選擇：[‘bash’, ‘cmd.exe’, ‘fish’, ‘powershell’, ‘tcsh’, ‘xonsh’, ‘zsh’]

4.?配置 Conda 下載源

由于 Conda 默認(rèn)下載源在國(guó)外，如果不調(diào)整的話下載速度會(huì)非常緩慢（當(dāng)然可以用魔法）

conda 配置文件儲(chǔ)存在用戶目錄中：C:\Users\ChrisKim\<用戶名>，使用文本編輯器中打開，添加下載鏡像，這里選用的是清華大學(xué)開源鏡像站：

5.?創(chuàng)建新環(huán)境

使用以下命令創(chuàng)建名為 tf 的 Python 版本 3.8 的新環(huán)境：

conda create -n tf python=3.8

6.?啟用 tf 環(huán)境

conda activate tf

啟用后，命令行前面會(huì)多出一個(gè)括號(hào)，括號(hào)內(nèi)為環(huán)境名，如：(tf)

7.?安裝 tensorflow

在 conda 內(nèi)，我們一般不直接用 pip 安裝軟件包，而是使用 conda 來(lái)安裝：

conda install -c anaconda tensorflow

8.?退出虛擬環(huán)境

如果使用完畢需要退出的話，使用：

conda deactivate

方法四：Docker 安裝

簡(jiǎn)介

• 上手難度：高

• 維護(hù)難度：低

• 推薦程度：中

Tensorflow 官方推薦的第二個(gè)安裝方法就是 Docker 容器了，使用 Docker 容器，你不需要配置任何東西，容器鏡像已經(jīng)配置好了。另外容器天然能夠?qū)h(huán)境隔離開來(lái)，因此也能防止軟件包互相干擾。

不過(guò)容器作為一個(gè)新手接觸較少的概念，并且涉及到很多指令操作，對(duì)于新手來(lái)說(shuō)比較困難。各位視自己情況選擇要不要用它。

本文的使用 docker 環(huán)境基于 Windows + WSL2 平臺(tái)（會(huì)熟練用 Linux 的估計(jì)也不需要看這教程裝 Docker）

安裝步驟

1.?安裝 WSL2 (Windows Subsystem for Linux 2)

另外，要使用 WSL2，需要滿足 Windows 10 版本大于 2004 或 Windows 11.

安裝 wsl 的方法可以參考微軟官方文檔：https://learn.microsoft.com/zh-cn/windows/wsl/install

2.?安裝 Docker Desktop

安裝 Docker Desktop 并使用 WSL2 作為后端可以參考微軟官方文檔：https://learn.microsoft.com/zh-cn/windows/wsl/tutorials/wsl-containers

其實(shí)最新版的 Docker Desktop 在裝好 wsl2 后已經(jīng)可以直接安裝并識(shí)別到 wsl2 了，因此直接去下載安裝包安裝就行了：https://desktop.docker.com/win/main/amd64/Docker%20Desktop%20Installer.exe

3.?拉取 tensorflow 鏡像

tensorflow 官方鏡像位于：tensorflow/tensorflow，有如下 tag 可以選擇（來(lái)源）

每個(gè)基本標(biāo)記都有會(huì)添加或更改功能的變體：

對(duì)于我們來(lái)說(shuō)，拉取?tensorflow/tensorflow:latest?就行了，如果需要支持 GPU 加速，可以拉取?tensorflow/tensorflow:latest-gpu，如果還需要內(nèi)置 jupyter 筆記本，可以拉取?tensorflow/tensorflow:latest-gpu-jupyter.

具體的命令為：

docker pull tensorflow/tensorflow:latest

4.?創(chuàng)建新容器

如果是 CPU 版本，在 Terminal 中執(zhí)行命令：

docker run -d -v tensorflow/tensorflow:latest --name tf

如果是 GPU 版本，需要給容器添加 GPU：

docker run --gpus all -d -v tensorflow/tensorflow-gpu:latest --name tf-gpu

如果有 jupyter，還需要映射筆記本目錄和對(duì)應(yīng)端口：

docker run --gpus all -d -v <宿主目錄>:/tf/notebooks -p <宿主端口>:8888 tensorflow/tensorflow:latest-gpu-jupyter --name tf-gpu

宿主目錄選取一個(gè)主機(jī)存儲(chǔ)筆記本的地方，這樣容器刪除后數(shù)據(jù)不會(huì)丟失。

宿主端口選取一個(gè)空閑的端口，可以直接選擇一樣的 8888.

5.?進(jìn)入容器

創(chuàng)建容器后，可以先使用?docker ps?查看一下容器列表，然后執(zhí)行以下命令進(jìn)入容器內(nèi)的 shell：

docker exec -it <容器名/容器ID> bash

如果選擇的鏡像帶有 jupyter，在宿主機(jī)瀏覽器訪問(wèn) 127.0.0.1:8888 即可進(jìn)入筆記本（沒(méi)錯(cuò)，WSL2 Docker 的端口是直接映射到宿主機(jī)的）

6.?容器操作

• 啟動(dòng)容器：docker start <容器名/容器ID>

• 關(guān)閉容器：docker stop <容器名/容器ID>

• 刪除容器：docker remove <容器名/容器ID>

2. GPU 支持

如果你的電腦有 Nvidia 顯卡，那么可以通過(guò) CUDA 加速 Tensorflow 的訓(xùn)練過(guò)程，我的 GTX1650 相比 i7-9750H 可以加速大概 5 倍，用顯卡跑的話 CPU 也不會(huì)滿載 100% 了，電腦也不會(huì)因?yàn)榕苡?xùn)練而卡頓。

不過(guò)要支持 GPU 加速的話，需要有額外配置，該部分主要講的就是 GPU 的額外配置。

注：使用容器安裝的話不需要這一步，官方鏡像已經(jīng)給你配置好了環(huán)境，但是你還是需要安裝顯卡驅(qū)動(dòng)。

第一步：安裝依賴驅(qū)動(dòng)

根據(jù) Tensorflow 官方文檔：https://www.tensorflow.org/install/gpu，我們需要安裝的依賴有：

• NVIDIA 顯卡驅(qū)動(dòng)

• NVIDIA CUDA 工具包

• NVIDIA cuDNN 庫(kù)

• (可選) TensorRT

我們下面依次安裝：

NVIDIA 顯卡驅(qū)動(dòng)

這個(gè)應(yīng)該所有人都裝過(guò)了，在此略去。不過(guò)附上官網(wǎng)下載頁(yè)面：

https://www.nvidia.com/download/index.aspx

NVIDIA CUDA 工具包

首先進(jìn)入官網(wǎng)下載頁(yè)面：

https://developer.nvidia.com/cuda-downloads

根據(jù)自己的操作系統(tǒng)選擇對(duì)應(yīng)版本，對(duì)于 Windows，選擇 exe(local) 下載安裝包。

（如果使用的是 WSL2，需要在 Linux 欄目下找到 WSL-Ubuntu 版本）

下載后，執(zhí)行安裝器即可完成安裝。

安裝后，進(jìn)入命令行輸入以下編譯器指令檢查安裝：

nvcc -V

如果有正確輸出則成功安裝，如：

如果有問(wèn)題的話，可以去檢查一下自己的環(huán)境變量是否有問(wèn)題：

NVIDIA cuDNN 庫(kù)

首先查看自己顯卡的 CUDA 版本，在命令行中執(zhí)行：nvidia-smi

在右上角即可找到版本號(hào)，例如：CUDA Version: 11.8

然后進(jìn)入官網(wǎng)下載頁(yè)面：

https://developer.nvidia.com/rdp/cudnn-archive

選擇對(duì)應(yīng) CUDA 版本的 cuDNN 庫(kù)，我選擇的是最新的 v8.9.0. 展開列表后會(huì)有各個(gè)版本的，我們選擇第一個(gè) Windows 版本下載。

下載后得到一個(gè) .zip 壓縮包，將其解壓得到以下文件結(jié)構(gòu)：

然后我們找到 CUDA 工具包的目錄：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\<版本號(hào)>\，它的文件結(jié)構(gòu)是：

將 cuDNN 庫(kù)根據(jù)文件結(jié)構(gòu)一一對(duì)應(yīng)地拷貝到 CUDA 工具包的目錄里面即可。

這一步做完之后，記得重啟一遍電腦。

第二步：安裝 tensorflow

首先，對(duì)于現(xiàn)在使用的 Tensorflow 2，pip 的?tensorflow?軟件包已經(jīng)同時(shí)包含了 CPU 和 GPU 支持，不存在 Tensorflow 1.x 的?tensorflow-gpu?軟件包了。因此，如果使用 pip 的話，直接安裝?tensorflow?軟件包。

但是這里面還是有坑，conda 的?tensorflow?軟件包只包含了 CPU 版本的，而支持 GPU 版本的軟件包為?tensorflow-gpu，因此如果使用 conda 的話，需要安裝?tensorflow-gpu?軟件包。

所以，正確的安裝方式如下：

• 對(duì)于使用純 pip 或用 virtualenv + pip 的：pip install tensorflow

• 對(duì)于使用 conda 的：?jiǎn)⒂锰摂M環(huán)境后用?conda install tensorflow-gpu?安裝

另外，tensorflow 2 支持的 Python 版本為 3.6~3.9，因此在創(chuàng)建 conda 環(huán)境時(shí)記得指定對(duì)應(yīng)的版本。如果要使用最新的 tensorflow，就創(chuàng)建最新的 Python 版本：conda create -n tf python=3.9

第三步：測(cè)試 GPU 支持

使用 Python 運(yùn)行以下代碼檢查 Tensorflow 是否正確識(shí)別到了 GPU：

如果輸出的列表中有一個(gè) device_type 為 CPU，有一個(gè) device_type 為 GPU，則同時(shí)識(shí)別到了 CPU 和 GPU。一個(gè)正確的輸出如下：

可能出現(xiàn)的問(wèn)題：AttributeError: module ‘numpy’ has no attribute ‘object’.

這個(gè)的原因是，自從 numpy 1.14 后，np.object 被廢棄了，被改為了 object。而 tensorflow 還沒(méi)有更新，導(dǎo)致與 numpy 的兼容問(wèn)題。這個(gè)可以通過(guò)降級(jí) numpy 解決：

conda install numpy==1.23.4

可能出現(xiàn)的問(wèn)題：Could not locate zlibwapi.dll

有時(shí)候經(jīng)過(guò)上面的檢查沒(méi)問(wèn)題，但是訓(xùn)練的時(shí)候崩潰報(bào)錯(cuò) Could not locate zlibwapi.dll，這個(gè)是因?yàn)闆](méi)有裝 zlib 庫(kù)。

前往 zlib 官網(wǎng)下載對(duì)應(yīng)的 dll 庫(kù)：http://www.winimage.com/zLibDll/

選擇 AMD64/Intel EM64T?版本的 zlib123dll.zip 下載，解壓后找到 zlibwapi.dll 這個(gè)文件，放置到 CUDA 工具包的 bin 目錄下即可。

（也可以解壓后將整個(gè)文件夾目錄添加到環(huán)境變量）