如何在 Windows 和 Linux 上下载、安装和设置 Tensorflow

TensorFlow 是谷歌为机器学习和 AI（人工智能）开发的开源平台。 它有助于为在该领域工作的开发人员完成一系列任务。

对于初学者，您需要了解机器学习，特别是深度学习，然后才能使用 TensorFlow。

在这里，让我重点介绍一些有关 TensorFlow 的内容、它的功能以及在 Windows 和 Linux 上安装它的快速方法。

TensorFlow 概览

从技术上讲，TensorFlow 是一个开源平台，有助于深度学习应用程序和任何其他机器学习用例。

它使构建和部署基于 ML 的应用程序变得容易。 如果您想使用机器学习解决问题，可以使用 TensorFlow 获得帮助。

TensorFlow 提供工具来帮助使用 Python 或 JavaScript 开发和训练模型。 虽然我不是开发人员，但您可以浏览其文档以了解它如何影响您部署机器学习应用程序的工作流程。

TensorFlow 的特点

TensorFlow 之所以出名有几个原因，您可以自己评估它，了解它提供的最佳功能。

如果我们要讨论技术优势，您将不得不根据您的工作来比较它们。 因此，我们将专注于对大多数人有益的共同特征。

1. 开源

谷歌决定在 2015 年开源 TensorFlow，以允许社区进一步改进它并提供其工作方式的透明度。

开发人员可以通过各种方式自定义库，以解决您可能没有预料到的问题。

如果没有开源框架，它可能不会像现在这样流行。 因此

2. 轻松调试

TensorFlow 旨在帮助您轻松构建模型； 因此，轻松的调试体验是该过程的一部分。

直观的用户体验是最重要的。

3.同时支持CPU和GPU

使用 TensorFlow，您可以在 CPU 或 GPU 上训练数据计算。 通常，与 CPU 相比，GPU 使深度学习应用程序的速度更快。

因此，如果您的武器库中有一个强大的 GPU，TensorFlow 可以帮助您充分利用它。

4. 有用的机器学习 API

API 帮助开发人员将各种功能集成到他们的应用程序中。 TensorFlow 提供了对大量稳定 API 的访问。

其中一些也可能提供性能优势。 根据其官方声明，您不应该对 Python 中可用的那些有问题。 如果您正在使用其他语言，则需要与 TensorFlow 维护人员确认它们对您的用例的适用程度。

5.现成的生产模型

TensorFlow 具有多种预训练模型。 无论是专业人士还是新手，您都可以使用它们来节省时间并更快地构建 ML 模型。

除了这些功能之外，您还可以获得灵活性、易用性、可视化工具包等，这些可以帮助您的机器学习开发工作流程。

既然您对 TensorFlow 有了一个很好的了解，那么您可以在哪里下载呢？ 如何在 Windows 和 Linux 系统上安装和设置它？

让我们在下面讨论。

下载和安装 TensorFlow

与其他程序不同，您不会在此处获得 .exe 安装文件。 首先，您需要使用推荐的包管理器下载包。

总的来说，有不同的安装方式。 我们可以将它们列出如下：

• 使用 Miniconda 和 pip
• 在 WSL 2 上使用 Miniconda 和 pip
• 使用 Docker 容器
• 从源头构建

如何在 Windows 上安装 TensorFlow？

与其他程序不同，您不会在此处获得 .exe 安装文件。 您需要使用推荐的包管理器下载包。

#1 。 使用 Miniconda 和 pip（推荐方法）

注意：在撰写本文时，TensorFlow 2.10 是在 Windows（本机）上支持 GPU 的最后一个版本。 如果您使用较新的包，TensorFlow 建议您在 WSL 2 中安装 TensorFlow ，这将在接下来讨论。

如果您想使用支持 GPU 的 TensorFlow，TensorFlow 建议使用 Miniconda（conda包管理器的安装程序）来启动。

使用 Miniconda，您可以创建一个单独的环境，以避免与系统中的任何其他软件发生冲突。

要开始使用，您需要下载最新的 Miniconda Windows Installer 并按照屏幕上的说明完成安装。

完成后，您需要启动 Miniconda 提示符，如屏幕截图所示：

这是它的样子：

看到 Anaconda 提示窗口后，您可能需要输入以下命令以确保 conda 包管理器已更新：

conda update -n base -c defaults conda

有了这些，以下是安装 TensorFlow 需要遵循的步骤：

首先，创建一个新环境（名称为tf ）：

conda create --name tf python=3.9

提示：您可以使用以下命令激活/停用它： conda activate tf和conda deactivate

您必须激活它才能继续进行。 要在此过程中启用 GPU 支持，您必须确保已安装图形驱动程序 (NVIDIA GPU)，然后使用以下命令安装一些软件包：

conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0

它下载大约 1 Gigs 的包，其中包括使您能够使用 GPU 和深度神经网络部署机器学习应用程序的工具。

最后，您必须使用 pip 包管理器来安装 TensorFlow 包。 您可以选择使用conda安装 Tensorflow，但它可能没有所需的最新稳定版本。

在继续之前，请确保已使用以下命令更新 pip：

 pip install --upgrade pip

完成后，安装 TensorFlow：

pip install tensorflow

您会注意到正在构建/安装的许多软件包。 它可能会显示为卡在该过程中，但请稍等片刻，它应该会恢复并完成安装。

#2 。 在 WSL 2 上使用 Conda 和 pip

假设您的系统上已经安装了 WSL 2，您可以在发行版的终端中使用以下命令安装 TensorFlow：

 conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0 export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CONDA_PREFIX/lib/ python3 -m pip install tensorflow # Verify install: python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

可以一次性全部粘贴，会一一处理。

如果您尚未在 Windows 上安装 WSL 2。 前往具有管理员权限的命令提示符，然后输入以下内容：

 wsl.exe --install

它应该下载 Ubuntu 并为您的系统启用 WSL 功能。 您需要重新启动 PC 才能完成。

如果您在系统上找不到 Ubuntu，您可以导航到 Microsoft Store 并安装 Ubuntu WSL。

#3 。 从源代码构建

考虑到 TensorFlow 是开源的，您可以使用配置选项从头开始构建它。

因此，建议了解所有选项并且知道要配置的螺母和螺栓的高级用户使用此方法。 请参阅官方文档以了解更多信息。

如何在 Linux 上安装 TensorFlow？

与 Windows 一样，您可以在 Linux 上使用 Miniconda 和 pip 安装 TensorFlow。 或者选择从源代码构建。

让我告诉你它是如何完成的：

#1 。 使用 Miniconda 和 pip（推荐方法）

注意：遵循与 Windows 相同的命令。 唯一的区别是你如何在 Linux 上安装/下载 Miniconda。

以下是使用终端在 Linux 上安装 Miniconda 的方法：

 curl https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh -o Miniconda3-latest-Linux-x86_64.sh bash Miniconda3-latest-Linux-x86_64.sh

重新启动 Linux 发行版上的终端以找到如下内容：

您会注意到终端提示变量之前有一个(base) 。 这表明 conda 当前处于活动状态并已安装。

除非您已完成 TensorFlow 安装，否则请勿停用它。

您可以导航到上面提到的 Windows 步骤并安装它。 或者，粘贴以下内容以安装 TensorFlow：

 conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0 export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CONDA_PREFIX/lib/ python3 -m pip install tensorflow # Verify install: python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

对于 Linux，您可能会遇到 GPU 驱动程序的问题。 为此，您应该查看 NVIDIA 的文档以了解更多信息。

#2 。 从源代码构建

与 Windows 一样，在 Linux 上从源代码构建是很棘手的，并且纯粹是为高级用户设计的。

您（假设您是初学者）不应该选择这种方法，除非您有特定的想法。 探索更多关于它的最佳方式是参考文档。

如何使用 Docker 安装 TensorFlow？ （Windows 和 Linux）

无论平台如何，Docker 都可以让您轻松安装 TensorFlow 映像。

确保您的系统上安装了 Docker，或者您可以按照我们的 Docker 安装指南寻求帮助。

完成设置后，您需要在 Docker 中输入以下命令：

 docker pull tensorflow/tensorflow

您需要 Docker 容器方面的专业知识才能启动具有工作所需配置的容器。

有关特定的 GPU 支持或下载不同的 TensorFlow 版本，请参阅官方文档中提供的选项。

当您想使用 Docker 运行命令时，命令如下所示：

 docker run [-it] [--rm] [-p hostPort:containerPort] tensorflow/tensorflow[:tag] [command]

结论

TensorFlow 的安装是一次性的，根据我们的指南，对于大多数人来说，这应该是一个轻松的过程。

如果您之前已经使用较旧的 Python 版本或较旧的 Conda 包管理器进行了配置或设置。 确保应用最新更新以无缝安装 TensorFlow。

您还可以探索最好的 AI 平台来构建 AI 和 ML 应用程序。