ubuntu下anaconda3+tensorflow+keras+cpu虚拟环境下搭建

ubuntu16.04+anaconda3+tensorflow+keras+cpu虚拟环境下搭建

1、说明

此教程参考了许多CSDN上大佬的文章，在此引用，如果不当请大佬联系我删除

2、anaconda3的安装

（1）用anaconda3的好处
用anaconda在同一台电脑上创建不同的运算环境（如python2或3），不同的环境中可以添加自身需要的包，这些包的版本可以根据需要选择；不同环境间可以较方便地切换。所以可以合理地管理多个项目，不会出现依赖包的冲突问题。
（2）安装anaconda3
参考教程:(https://blog.csdn.net/qq_15192373/article/details/81091098)

3、利用anaconda创建（安装）tensorflow

（1）创建tensorflow计算环境
（这里的tensorflow是环境的名字，不是指安装了tensorflow）

  conda create -n tensorflow python=3.6
   #注意指定自己要用的python版本号（这是必须的）

（2）激活tensorflow环境

   source activate tensorflow
  (tensorflow) qz@qz:~    #激活后会显示处于该环境中

（3）创建的指定环境中安装tensorflow

注意：因为后期需要安装keras，tensorflow和keras存在版本匹配问题，所以最好确定自己的tensorflow和keras版本以免出现不匹配问题。tensorflow和keras版本匹配参考：(https://blog.csdn.net/yeyang911/article/details/84968473)

1）下载cpu版tensorflow安装包

下载链接：(https://github.com/lakshayg/tensorflow-build/blob/master/README.md)

涉及到需要确认cpu支持的指令，如FMA, AVX, AVX2, SSE4.1, SSE4.2, AVX512F。验证方法，没有去验证到底有啥，是在安装过程中提示不支持AVX512F，就选择其他版本就好了。python版本选择相近的自己测试似乎没什么问题。

2）将whl文件重命名为tensorflow-x.x.x-py3-none-linux_x86_64.whl

x.x.x是自己的版本号，主要是将中间的cp36-cp36m改成py3-none，不然会出现不支持的报错。

3）终端中切换到whl文件所在的目录

4）pip install --ignore-installed --upgrade tensorflow-x.x.x-py3-none-linux_x86_64.whl

      注：不要用sudo pip，也不要用pip3

5）安装结束，可以进入python import一下验证

 python
 import tensorflow as tf
 hello = tf.constant('Hello, TensorFlow!')
 sess = tf.Session()
 sess.run(hello)
 #打印出内容，不报错，即成功安装

4、python科学套件的安装

安装python科学套件，都是在创建的名为tensorflow的虚拟环境下进行

(1)安装BLAS库（这里安装的是OpenBLAS），确保你可以在CPU上运行快速的张量计算

  git clone https://github.com/xianyi/OpenBLAS.git
  cd OpenBLAS
  conda install gfortran
  make FC=gfortran -j16
  sudo make PREFIX=/home/qz/anaconda3/envs/tensorflow/lib/python3.6/site-packages  install 

将OpenBlas安装到/home/qz/anaconda3/envs/tensorflow/lib/python3.6/site-packages 目录下。

(2）安装：Numpy、SciPy、matplotlib。无论是否做深度学习，想要使用python进行机器学习或科学运算，这一步是必须的。

    conda install numpy scipy matplotlib yaml
    四个包，分开一个个安装

（3）安装HDF5,其实包的名字叫h5py

     conda install h5py

（4）安装Graphviz和pydot，这两个包可以将keras模型可视化，但并不是必需的包。

     conda install graphviz
     conda install pydot==版本号
     一定注意pydot的安装，要指定版本号不然会将环境里的python版本修改掉，具体装那个版本的pydot 看你的tensorflow版本。

（5）安装用到的其他包

     conda install python-opencv

提示：其实漏安、错安某些包问题也不大，当运行程序的时候程序会提醒你那些包没有安装；如果错安可以使用 conda uninstall 某个包卸载

（5）keras的安装

提醒一下还是要在激活的名为tensorflow虚拟环境下进行（别忘了keras和tensorflow版本的对应）

（1）可以直接conda安装

      conda install keras

（2）也可以从github上克隆下来安装keras，这样可以访问keras/examples文件夹，里面包含许多示例脚本学习

     git clone https://github.com/fchollet/keras
     cd keras
     python setup.py install

（6）完成

可以进入python import tensor和keras试一试如果不报错则安装成功

表明tensorflow没问题

报名keras没问题

教程还算是详细，后期如果发现不足，我会继续修改，仅供参考