2.2 TensorFlow2.0的安装

TensorFlow CPU版本的安装较为简单，而GPU版本则需要另外安装一些驱动程序和库，为了简便我们可以使用Docker的方式来安装和使用（目前，TensorFlow只有Linux版提供了Docker镜像）。本书中我们会通过python的包管理工具pip进行安装，并且以Linux环境为准。

作者使用的开发环境如下：

1.安装Anaconda

首先我们从官网下载Anaconda安装文件，选择Linux的“Python3.7Version”版本，单击“Download”，下载的文件为“Anaconda3-2019.10-Linux-x86_64.sh”。

（1）安装Anaconda

① 执行“bash Anaconda3-2019.10-Linux-x86_64.sh”，提示需要阅读许可条例，按下Enter 键继续，如图2-2所示。

② 出现提示：是否接受许可条例，输入“yes”按Enter 键，在界面中会提示Anaconda将要安装的位置，按下Enter 键确认，如图2-3所示。

③提示是否要写入配置文件，输入“yes”按Enter键，如图2-4所示。

到这里，Anaconda就安装完成了。如图2-5所示，安装好后键入“python3”，此时运行的还是系统自带的Python版本，执行“source～/.bashrc”让配置生效，此时执行“python3”，运行的就是Anaconda。

（2）创建虚拟Python环境

接下来在Anaconda中创建虚拟Python环境，执行如下命令。

出现是否继续的提示，输入“y”按Enter键，稍等片刻，一个Python3.7的虚拟环境就创建好了。此时系统中有多个版本的Python，为了方便使用，需要配置环境变量，为每个版本的Python设置一个别名。另外为了后面方便使用“pip”来管理虚拟环境的包，也需要为虚拟环境的“pip”命令创建一个别名。

编辑“～/.bashrc”文件，在文件末尾增加如下内容：

注意，Anaconda的路径要根据实际情况来填写，“/home/lqhou/anaconda3”是作者系统上Anaconda的安装路径。配置完成后键入“source～/.bashrc”让配置生效，之后分别执行“python”“python3”和“apython”命令，如图2-6所示。

这里“python”和“python3”命令指向的都是系统自带的Python版本，“apython”命令指向的是我们刚刚创建的Python虚拟环境。这里需要注意，当使用“pip”命令为虚拟Python环境安装包时，需要使用在这里配置的“apip”命令，直接使用“pip”或“pip3”命令会把包安装到系统自带的Python环境中。

2.安装TensorFlow

GPU版的TensorFlow包含了CPU版本，如果读者手上有GPU资源的话，可以直接参考2.4.1节安装GPU版的TensorFlow。

我们使用命令“apip install tensorflow”进行安装，该命令会安装最新的、稳定的CPU版本的TensorFlow。安装完成后，我们进入Python的交互式解释器环境验证安装是否成功，依次运行“import tensorflow as tf”、“print（tf.__version__）”，如图2-7所示。

3.使用Jupyter Notebook

Jupyter Notebook是一个开源的Web应用程序，常被用于交互式的开发和展示数据科学项目（例如数据清洗和转换、数据可视化及机器学习等）。为了方便大家学习，本章用Jupyter NoteBook作为编程工具（读者也可以使用谷歌公司的Colab），读者也可以任意选择自己喜欢的编程工具。

通过图形化界面安装的Anaconda集成了Jupyter NoteBook，可以直接使用，如图2-8所示。

如果读者使用的是命令行环境，我们需要使用命令“apip install jupyter”来安装Jupyter NoteBook。如果希望远程访问Jupyter NoteBook页面，操作如下：

① 输入命令“conda activate apython”来激活虚拟环境。

② 输入命令“nohup jupyter-notebook --allow-root --no-browser --ip=172.31.233.246&”，注意，这里的IP 地址要换成你所使用服务器的IP 地址。输入该行命令后按一次Enter 键。

③ 输入命令“conda deactivate”退出虚拟环境。

输入以上命令后，就可以在你本地计算机的浏览器中通过服务器的IP地址来访问服务器上的Jupyter NoteBook页面了。第一次登录需要Token，在上面执行命令的目录中会生成一个“nohup.out”文件，文件中有Token信息。

直接在图2-8单击Jupyter下方的“Launch”按钮即可启动Jupyter NoteBook（也可以在终端中输入“jupyter-notebook”命令来启动），启动之后会自动打开一个Web页面，如图2-9所示。这里列出了默认路径下的所有目录和文件，我们可以打开自己存放代码的目录。

如图2-10所示，单击页面右上角的“new”菜单，再单击“python[conda env：apython3]”菜单之后就会创建一个新的后缀名为“ipynb”的Notebook文件。如果“new”菜单只有一个Python Kernel，则在命令行下执行命令“source activate apython3”进入之前创建的“apython3”虚拟环境，再执行“jupyter-notebook”命令启动Jupyter Notebook，即可在“new”菜单下就看到如图2-10所示的Kernel了。

新建的Notebook文件会自动地在新的标签页打开，如图2-11所示，这是一个空的Notebook文件。

在Notebook的单元格内输入代码，单击“Run”按钮之后会在单元格的下方显示代码运行的结果，如图2-12所示。