在 Ubuntu 上安装 TensorFlow

本指南将介绍如何在 Linux 的 Ubuntu 上安装 TensorFlow。虽然这些说明可能也适用于其他 Linux 版本，我们已经在满足以下条款的系统上进行了测试和支持：

64 位台式机或笔记本电脑
Ubuntu 16.04 或更高版本

选择要安装的 TensorFlow

有以下的 TensorFlow 版本可供安装：

仅有 CPU 支持的 TensorFlow。如果你的系统中没有 NVIDIA® GPU，你必须安装这个版本。此版本的 TensorFlow 通常更易于安装，因此即使你拥有 NVIDIA GPU，我们也建议你先安装此版本。
含有 GPU 支持的 TensorFlow。TensorFlow 在 GPU 上运行通常要比在 CPU 上快。如果是在运行存在性能瓶颈应用而正好系统中有 NVIDIA GPU 符合要求，你应安装这个版本。详情请查看 TensorFlow GPU 支持。

如何安装 TensorFlow

安装 TensorFlow 有如下几个可选方式：

在虚拟环境中使用 pip 安装 (推荐)
在系统环境中使用 pip 安装
配置一个 Docker 容器
在 Anacoda 下使用 pip
由源码安装 TensorFlow

在虚拟环境中使用 `pip`

要点：使用虚拟环境是推荐安装方式。

Virtualenv 工具是用于创建虚拟 Python 环境以便与同台物理机中的其他 Python 隔离开。在这个情景中，会在虚拟环境中安装 TensorFlow 及其依赖并只在虚拟环境 **activated（激活）**时可用。Virtualenv 提供了一种避免与系统其他部分产生冲突来安装运行 TensorFlow 的可靠方式。

1. 安装 Python, `pip`，以及 `virtualenv`。

在 Ubuntu 上，Python 是自动安装的并且 pip 通常也已安装。确认 python 和 pip 版本：

  python -V  # or: python3 -V
  pip -V     # or: pip3 -V

安装以下包到 Ubuntu 中：

  sudo apt-get install python-pip python-dev python-virtualenv   # for Python 2.7
  sudo apt-get install python3-pip python3-dev python-virtualenv # for Python 3.n

我们推荐使用 8.1 及以上版本的 pip。如果当前使用版本低于 8.1，请升级 pip：

  sudo pip install -U pip

如果不是 Ubuntu 系统但安装有 setuptools，使用 easy_install 来安装 pip：

  easy_install -U pip

2. 为虚拟环境创建一个目录并选择一个 Python 解释器。

  mkdir ~/tensorflow  # 工作目录
  cd ~/tensorflow
  # Choose one of the following Python environments for the ./venv directory:
  virtualenv --system-site-packages venv            # 使用默认 Python (Python 2.7)
  virtualenv --system-site-packages -p python3 venv # 使用 Python 3.n

3. 激活虚拟环境。

按照以下不同 shell 使用特定命令激活虚拟环境：

  source ~/tensorflow/venv/bin/activate      # bash、sh、ksh 或 zsh
  source ~/tensorflow/venv/bin/activate.csh  # csh 或 tcsh
  . ~/tensorflow/venv/bin/activate.fish      # fish

当虚拟环境激活后，shell 提示会显示为 (venv) $。

4. 在虚拟环境中升级 `pip`。

在激活虚拟环境后，升级 pip：

(venv)$ pip install -U pip

在虚拟环境中安装其他 Python 包并不会影响 vurtualenv 外的包。

5. 在虚拟环境中安装 TensorFlow。

选择一个可用的 TensorFlow 包进行安装：

tensorflow — 适用于 CPU 的当前发布版本
tensorflow-gpu — 支持 GPU 的当前发布版本
tf-nightly — 适用于 CPU 的最新构建版本
tf-nightly-gpu — 支持 GPU 的最新构建版本

在激活虚拟环境后，使用 pip 安装包：

  pip install -U tensorflow

使用 pip list 查看虚拟环境中所有已安装包。验证安装并查看版本：

(venv)$ python -c "import tensorflow as tf; print(tf.__version__)"

成功：TensorFlow 现已安装完成。

使用 deactivate 命令停用 Python 虚拟环境。

问题

如果以上步骤失败，可以尝试通过使用远程 pip 包的 URL 安装 TensorFlow 已编译文件：

(venv)$ pip install --upgrade remote-pkg-URL   # Python 2.7
(venv)$ pip3 install --upgrade remote-pkg-URL  # Python 3.n

remote-pkg-URL 取决于操作系统、Python 版本以及是否有 GPU 支持。从这里查看 URL 名称列表获取文件地址。

如果遇到问题，请查看一般安装问题。

卸载 TensorFlow

如要卸载 TensorFlow，移除步骤 2 中你创建的 Virtualenv 目录即可：

  deactivate  # stop the virtualenv
  rm -r ~/tensorflow/venv

在系统环境下使用 `pip` 安装

使用 pip 在系统环境下安装 TensorFlow 包而不使用容器或虚拟环境隔离开。这种方式推荐在多系统环境中系统管理员想为其他用户提供可用的 TensorFlow 时使用。

由于系统环境下安装，它可能会与其他以 Python 为基础的安装环境产生冲突。但如果你理解 pip 以及你的 Python 环境，系统环境下 pip 安装时最便捷的方式。 . 查看 setup.py 必备包了解 TensorFlow 安装必需的包。

1. 安装 Python、`pip` 和 `virtualenv`。

在 Ubuntu 上，Python 是自动安装的而 pip 通常也已安装。确认 python 和 pip 版本：

  python -V  # or: python3 -V
  pip -V     # or: pip3 -V

安装以下包到 Ubuntu 中：

  sudo apt-get install python-pip python-dev   # for Python 2.7
  sudo apt-get install python3-pip python3-dev # for Python 3.n

我们推荐使用 8.1 及以上版本的 pip。如果当前使用版本低于 8.1，请升级 pip：

  sudo pip install -U pip

如果不是 Ubuntu 系统但安装有 setuptools，使用 easy_install 来安装 pip：

  easy_install -U pip

2. 在系统上安装 TensorFlow。

选择一个可用的 TensorFlow 包进行安装：

tensorflow — 适用于 CPU 的当前发布版本
tensorflow-gpu — 支持 GPU 的当前发布版本
tf-nightly — 适用于 CPU 的最新构建版本
tf-nightly-gpu — 支持 GPU 的最新构建版本

然后使用 pip 为 Python 2 或 3 安装以下包：

  sudo pip install -U tensorflow   # Python 2.7
  sudo pip3 install -U tensorflow  # Python 3.n

使用 pip list 查看虚拟环境中所有已安装包。验证安装并查看版本：

  python -c "import tensorflow as tf; print(tf.__version__)"

成功：TensorFlow 现已安装完成。

问题

如果以上步骤失败，可以尝试通过使用远程 pip 包的 URL 安装 TensorFlow 已编译文件：

  sudo pip install --upgrade remote-pkg-URL   # Python 2.7
  sudo pip3 install --upgrade remote-pkg-URL  # Python 3.n

卸载 TensorFlow

使用下面其中一条命令，将 TensorFlow 从你的系统中卸载：

  sudo pip uninstall tensorflow   # for Python 2.7
  sudo pip3 uninstall tensorflow  # for Python 3.n

配置一个 Docker 容器

Docker 能将 TensorFlow 安装环境与宿主机中的已有包完全隔离开。这个 Docker 容器包含 TensorFlow 及其所有依赖。需要注意的是这个 Docker 镜像可能会相当大（数百 MB）。如果在使用 Docker 时需要将 TensorFlow 并入一个更大的应用架构中你可以选择使用 Docker 安装。

使用以下步骤来使用 Docker 安装 TensorFlow：

按照 Docker 文档的描述在你的机器上安装 Docker。
可选项，按照 Docker 文档的描述创建一个 docker 用户组以便不使用 sudo 操作容器。（如果省略此步骤，你每次调用 Docker 命令时都需要使用 sudo。）
要想安装能够支持 GPU 的 TensorFlow 版本，需要先安装 nvidia-docker，这个存储在 github。
启动一个包含以下已编译 TensorFlow 镜像的镜像。

本节的余下部分将讲解如何启动一个 Docker 容器。

CPU-only

要启动一个仅支持 CPU（表示没有 GPU 支持）的 Docker 容器。输入以下格式的一个命令：

$ docker run -it -p hostPort:containerPort TensorFlowCPUImage

详细解释：

可选项，如果你准备以 Jupyter notebook 的方式运行 TensorFlow，要将和都设为。如果你想在容器中运行 TensorBoard，添加第二个 -p 参数，将和都设为。
必须项。决定 Docker 容器。指定为以下选项之一：
- ，已编译 TensorFlow 支持 CPU 的镜像。
- ，最新的支持 CPU 的已编译 TensorFlow 镜像和源码。
- ，特定版本（例如，1.1.0rc1）的支持 CPU 的已编译 TensorFlow 镜像。
- ，特定版本（例如，1.1.0rc1）的支持 CPU 的已编译 TensorFlow 镜像和源码。
TensorFlow 镜像可在 dockerhub 找到。

例如，下面的命令将最新的支持 CPU 的已编译 TensorFlow 镜像启动在一个能够在命令行中运行 TensorFlow 程序的 Docker 容器中：

$ docker run -it tensorflow/tensorflow bash

下面的命令也将最新的支持 CPU 的已编译 TensorFlow 镜像启动在 Docker 容器中。只不过，在这个 Docker 容器中，你可以在一个 Jupyter notebook 中运行 TensorFlow 程序：

$ docker run -it -p 8888:8888 tensorflow/tensorflow

Docker 会在你第一次启动这个容器时下载已编译 TensorFlow 镜像。

GPU 支持

想要启动一个带有 NVIDIA GPU 支持的 Docker 容器，输入以下格式的命令（这不需要任何本地 CUDA 安装环境支持）：

$ nvidia-docker run -it -p hostPort:containerPort TensorFlowGPUImage

详细解释:

可选项，如果你准备以 Jupyter notebook 的方式运行 TensorFlow，要将和都设为。
TensorFlowGPUImage 决定 Docker 容器。指定为以下选项之一：
- ，最新的支持 GPU 的已编译 TensorFlow 镜像。
- ，最新的支持 GPU 的已编译 TensorFlow 镜像和源码。
- ，特定版本（例如，0.12.1）的支持 GPU 的已编译 TensorFlow 镜像。
- ，特定版本（例如，0.12.1）的支持 GPU 的已编译 TensorFlow 镜像和源码。

我们推荐安装 latest 版本。例如，下面的命令将最新的支持 GPU 的已编译 TensorFlow 镜像启动在一个能够在命令行中运行 TensorFlow 程序的 Docker 容器中：

$ nvidia-docker run -it tensorflow/tensorflow:latest-gpu bash

下面的命令也将最新的支持 GPU 的已编译 TensorFlow 镜像启动在 Docker 容器中。只不过，在这个 Docker 容器中，你可以在一个 Jupyter notebook 中运行 TensorFlow 程序：

$ nvidia-docker run -it -p 8888:8888 tensorflow/tensorflow:latest-gpu

下面的命令会安装更早版本的 TensorFlow（0.12.1）：

$ nvidia-docker run -it -p 8888:8888 tensorflow/tensorflow:0.12.1-gpu

Docker 会在你第一次启动容器时下载已编译 TensorFlow 镜像。更多细节请查看 TensorFlow docker 自述。

下一步

现在你需要验证安装。

在 Anaconda 中使用 `pip`

Anaconda 提供了 conda 模块来创建一个虚拟环境。但是，在 Anaconda 中，我们推荐使用 pip install 而不是 conda install 命令来安装 TensorFlow。

注意：conda 是社区支持的包，它不是由 TensorFlow 团队官方维护的。由于它没有在最新的 TensorFlow 发布版本上测试，使用此包有一定未知风险。

按照如下步骤在 Anaconda 环境中安装 TensorFlow：

按照 Anaconda 下载网站中的指导下载并安装 Anaconda。
通过以下命令建立一个叫做的 conda 环境来运行某一版本的 Python:

$ conda create -n tensorflow pip python=2.7 # or python=3.3, etc.

使用如下命令来激活 conda 环境：

$ source activate tensorflow
 (tensorflow)$  # 这时你的前缀应该变成这样

运行如下格式的命令来在你的 conda 环境中安装 TensorFlow：

(tensorflow)$ pip install --ignore-installed --upgrade tfBinaryURL

其中 tfBinaryURL 是 TensorFlow Python 包的 URL。例如，如下命令安装了仅支持 CPU 的 Python 3.4 版本下的 TensorFlow：

  (tensorflow)$ pip install --ignore-installed --upgrade \
  https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.10.0-cp34-cp34m-linux_x86_64.whl

验证你的安装

按照如下步骤验证你的 TensorFlow 安装：

确保你的环境可以运行 TensorFlow （即：若有虚拟环境应激活它）
执行一个简短的 TensorFlow 程序

准备你的环境

如果你是使用原生 pip,Virtualenv 或者 Anaconda 安装的，那么进行如下步骤：

开启一个终端。
如果是使用 Virtualenv 或 Anaconda 安装，激活你的容器。
如果使用的 TensorFlow 源码安装，跳转至任意路径，除了有 TensorFlow 源码的地方。

如果你是通过 Docker 安装的，开启一个你可以使用 bush 的 Docker 容器，

$ docker run -it tensorflow/tensorflow bash

执行一个简短的 TensorFlow 程序

在你的 shell 命令行中开启 Python：

$ python

在 Python 的交互式 shell 命令行中运行如下程序：

python

# Python
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))

如果系统输出一下数据，那么代表着你已经准备好编写 TensorFlow 程序了：

Hello, TensorFlow!

如果系统输出了一个错误信息，见常见安装错误。

如果你是机器学习的新手，我们推荐以下内容：

学习更多内容，请到 TensorFlow 教程。

TensorFlow GPU 支持

注意：由于需要安装大量的必备库，推荐使用 Docker 安装而不是在宿主系统中直接安装。

以下 NVIDIA 硬件必须安装在你的系统中：

GPU 卡拥有 CUDA Compute Capability 3.5 或以上。查看 NVIDIA 文档获取受支持 GPU 卡列表。

以下 NVIDIA 软件必须安装在你的系统中：

GPU drivers。CUDA 9.0 需要 384.x 或更高。
CUDA Toolkit 9.0。
cuDNN SDK (>= 7.0)。推荐使用 7.1 版本 is recommended。
CUPTI 随 CUDA Toolkit 一起，但你需要将它的路径添加到系统环境变量 LD_LIBRARY_PATH 中：export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/extras/CUPTI/lib64。
可选：NCCL 2.2 在多块 GPU 中使用 TensorFlow。
可选：TensorRT 理论上可以为一些模型降低延时和吞吐。

要使用带有 CUDA Compute Capability 3.0 的 GPU，或其他较早版本的 NVIDIA 库，请查看通过源码安装 TensorFlow。如果使用 Ubuntu 16.04 或其他基于 Debian 的发行版 Linux，可通过 NVIDIA 安装包仓库使用 apt-get 简便地安装。

bash

# 添加 NVIDIA 安装包仓库。
sudo apt-key adv --fetch-keys http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1604/x86_64/7fa2af80.pub
wget http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1604/x86_64/cuda-repo-ubuntu1604_9.1.85-1_amd64.deb
wget http://developer.download.nvidia.com/compute/machine-learning/repos/ubuntu1604/x86_64/nvidia-machine-learning-repo-ubuntu1604_1.0.0-1_amd64.deb
sudo dpkg -i cuda-repo-ubuntu1604_9.1.85-1_amd64.deb
sudo dpkg -i nvidia-machine-learning-repo-ubuntu1604_1.0.0-1_amd64.deb
sudo apt-get update
# 安装可选包 NCCL 2.x.
sudo apt-get install cuda9.0 cuda-cublas-9-0 cuda-cufft-9-0 cuda-curand-9-0 \
  cuda-cusolver-9-0 cuda-cusparse-9-0 libcudnn7=7.1.4.18-1+cuda9.0 \
   libnccl2=2.2.13-1+cuda9.0 cuda-command-line-tools-9-0
# 可选性安装 TensorRT 运行时环境，但必须在上面 cuda 安装之后进行。
sudo apt-get update
sudo apt-get install libnvinfer4=4.1.2-1+cuda9.0

常见安装错误

我们依赖于 Stack Overflow 来编写 TensorFlow 的安装问题和它们的解决方案。下面的表格包含了 Stack Overflow 关于常见安装问题的回答。如果你遇见了其他的错误信息或者没有在表格中列出的安装问题，请在 Stack Overflow 上搜索。如果 Stack Overflow 中没有显示相关的错误信息，创建一个新的问题并加上 tensorflow 标签。

GitHub 或 Stack Overflow 链接	报错信息
36159194	ImportError: libcudart.so.Version: cannot open shared object file: No such file or directory
41991101	ImportError: libcudnn.Version: cannot open shared object file: No such file or directory
36371137 and 这里	libprotobuf ERROR google/protobuf/src/google/protobuf/io/coded_stream.cc:207 A protocol message was rejected because it was too big (more than 67108864 bytes). To increase the limit (or to disable these warnings), see CodedInputStream::SetTotalBytesLimit() in google/protobuf/io/coded_stream.h.
35252888	Error importing tensorflow. Unless you are using bazel, you should not try to import tensorflow from its source directory; please exit the tensorflow source tree, and relaunch your python interpreter from there.
33623453	IOError: [Errno 2] No such file or directory: '/tmp/pip-o6Tpui-build/setup.py'
42006320	ImportError: Traceback (most recent call last): File ".../tensorflow/core/framework/graph_pb2.py", line 6, in module from google.protobuf import descriptor as _descriptor ImportError: cannot import name 'descriptor'
35190574	SSLError: [SSL: CERTIFICATE_VERIFY_FAILED] certificate verify failed
42009190	Installing collected packages: setuptools, protobuf, wheel, numpy, tensorflow Found existing installation: setuptools 1.1.6 Uninstalling setuptools-1.1.6: Exception: ... [Errno 1] Operation not permitted:'/tmp/pip-a1DXRT-uninstall/.../lib/python/_markerlib'
36933958	... Installing collected packages: setuptools, protobuf, wheel, numpy, tensorflow Found existing installation: setuptools 1.1.6 Uninstalling setuptools-1.1.6: Exception: ... [Errno 1] Operation not permitted: '/tmp/pip-a1DXRT-uninstall/System/Library/Frameworks/Python.framework/ Versions/2.7/Extras/lib/python/_markerlib'

TensorFlow Python 软件包的网址

一些安装方法中需要 TensorFlow Python 包的 URL，你所声明的值取决下面三个因素：

操作系统
Python 版本
CPU 还是 GPU 支持

这个部分记录了 Linux 相关安装的 URL 值。

Python 2.7

仅支持 CPU:

https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.10.0-cp27-none-linux_x86_64.whl

支持 GPU:

https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.10.0-cp27-none-linux_x86_64.whl

注意 GPU 支持需要符合 NVIDIA 对运行 GPU 支持版本的 TensorFlow 的要求的软硬件要求。

Python 3.4

仅支持 CPU：

https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.10.0-cp34-cp34m-linux_x86_64.whl

支持 GPU:

https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.10.0-cp34-cp34m-linux_x86_64.whl

注意 GPU 支持需要符合 NVIDIA 对运行 GPU 支持版本的 TensorFlow 的要求的软硬件要求。

Python 3.5

支持 CPU：

https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.10.0-cp35-cp35m-linux_x86_64.whl

GPU 支持：

https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.10.0-cp35-cp35m-linux_x86_64.whl

注意 GPU 支持需要符合 NVIDIA 对运行 GPU 支持版本的 TensorFlow 的要求的软硬件要求。

Python 3.6

仅支持 CPU：

https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.10.0-cp36-cp36m-linux_x86_64.whl

GPU 支持：

https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.10.0-cp36-cp36m-linux_x86_64.whl

注意 GPU 支持需要符合 NVIDIA 对运行支持 GPU 版本的 TensorFlow 的条件的软硬件要求。 -->

在 Ubuntu 上安装 TensorFlow ​

选择要安装的 TensorFlow ​

如何安装 TensorFlow ​

在虚拟环境中使用 pip ​

1. 安装 Python, pip，以及 virtualenv。 ​

2. 为虚拟环境创建一个目录并选择一个 Python 解释器。 ​

3. 激活虚拟环境。 ​

4. 在虚拟环境中升级 pip。 ​

5. 在虚拟环境中安装 TensorFlow。 ​

问题 ​

卸载 TensorFlow ​

在系统环境下使用 pip 安装 ​

1. 安装 Python、pip 和 virtualenv。 ​

2. 在系统上安装 TensorFlow。 ​

问题 ​

卸载 TensorFlow ​

配置一个 Docker 容器 ​

CPU-only ​

GPU 支持 ​

下一步 ​

在 Anaconda 中使用 pip ​

验证你的安装 ​

准备你的环境 ​

执行一个简短的 TensorFlow 程序 ​

TensorFlow GPU 支持 ​

常见安装错误 ​

TensorFlow Python 软件包的网址 ​

Python 2.7 ​

Python 3.4 ​

Python 3.5 ​

Python 3.6 ​

在 Ubuntu 上安装 TensorFlow

选择要安装的 TensorFlow

如何安装 TensorFlow

在虚拟环境中使用 `pip`

1. 安装 Python, `pip`，以及 `virtualenv`。

2. 为虚拟环境创建一个目录并选择一个 Python 解释器。

3. 激活虚拟环境。

4. 在虚拟环境中升级 `pip`。

5. 在虚拟环境中安装 TensorFlow。

问题

卸载 TensorFlow

在系统环境下使用 `pip` 安装

1. 安装 Python、`pip` 和 `virtualenv`。

2. 在系统上安装 TensorFlow。

问题

卸载 TensorFlow

配置一个 Docker 容器

CPU-only

GPU 支持

下一步

在 Anaconda 中使用 `pip`

验证你的安装

准备你的环境

执行一个简短的 TensorFlow 程序

TensorFlow GPU 支持

常见安装错误

TensorFlow Python 软件包的网址

Python 2.7

Python 3.4

Python 3.5

Python 3.6