1. mac电脑推荐配置
内存:8G+
cpu:i5+
硬盘:SSD 128G+
本人的电脑配置是cpu:i7, 内存:16G,硬盘:SSD 256G
2. mac开发环境配置
1.1 安装pip
打开terminal,执行命令:
$ sudo easy_install pip
passwork:******
2 安装virtualenv沙箱工具
$ pip install virtualenv --upgrade
$ sudo pip install virtualenv --upgrade
3 创建沙箱环境
$virtualenv --system-site-packages /virenv_path/
4 运行tensorflow
进入沙箱路径
$ cd /virenv_path/
激活沙箱
$ source bin/activate
安装tensorflow
$ pip install tensorflow
安装bazel工具
从源代码编译安装,需要使用Bazel编译工具,而安装bazel需要先安装xcode-select,在terminal输入命令:
$ xcode-select --install
$ brew install bazel<
进入python
$ python
运行测试代码
>>>import tensorflow as tf
>>>hello = tf.constant('Hello, TensorFlow!')
>>>sess = tf.Session()
>>>print sess.run(hello)
$ Hello, TensorFlow!
恭喜,tensorFlow环境已经成功安装!
2 从源码编译安装
2.1 安装jdk
TensorFlow编译时会用到jdk,有些系统已经安装可跳过,如果没有安装可根据configure时的报错提示安装
2.2 激活沙箱
$ source bin/activate
2.3 开始配置tensorflow
$./configure
配置中会出现很多可选项,所有选项都选n,路径跳过
2.4 编译(会消耗较长时间)
$ bazel build --config=opt //tensorflow/tools/pip_package:build_pip_package
2.5 生成pip安装包
$ bazel-bin/tensorflow/tools/pip_package/build_pip_package /tmp/tensorflow_pkg
2.6 安装TensorFlow
$ pip install /tmp/tensorflow_pkg/tensorflow-($version)-cp27m-macosx_10_7_x86_64.whl
3 其他TensorFlow常用的依赖库安装
3.1 numpy
$ pip install numpy --upgrade
3.2 matplotlib
python最著名的绘图库,他提供了一整套和MATLAB相似的命令API,十分适合交互式地进行制图,用它可以画出美丽的线图、散点图、等高线图,条形图、柱状图、3D图等,而且还可以方便地将它作为绘图控件,嵌入GUI应用程序中。
$ sudo pip install matplotlib --upgrade
安装完之后输入
$python
>>>import matplotlib
如果报错输入
>>>quit()
则退出python,使用easy_install安装,命令如下:
$ easy_install matplotlib
安装完毕后进入python验证,
$ python
>>>import matplotlib
没有错误提示,导入成功
接下来,在python命令行中继续输入
>>>import matplotlib.pyplot as plt
报错,$ Python is not installed as a framework...
pip安装matplotlib之后,会在根目录下产生一个.matplotlib的目录:
在terminial中输入:
$ vim ~/.matplotlib/matplotlibrc
打开vim编辑器,在里面输入backend:TkAgg,wq保存后退出
然后重启python,输入
>>>import matplotlib.pyplot as plt
导入成功
3.3 jupyter
Ipython的升级版,能够在浏览器中创建和共享代码、方程、说明文档。界面相当友好,功能也很强大
$ sudo pip install jupyter --upgrade
3.4 scikit-image
scikit-image有一组图像处理的算法,可以使过滤一张图片变得很简单,非常适合用于对图像的预处理
$ sudo pip install scikit-image --upgrade
3.5 librosa
librosa是用python进行音频特征提取的第三方库,有很多方式可以提取音频特征。
$ sudo pip install librosa --upgrade
3.6 nltk
nltk模块中包含着大量的语料库,可以很方便地完成很多自然语言处理的任务,包括分词、词性标注、命名实体识别(NER)及句法分析。
$ sudo pip install nltk --upgrade
导入nltk工具包,下载nltk数据源。在terminal终端输入:
$ python
>>>import nltk
>>>nltk.download()
3.7 keras
Keras是第一被添加到Tensorflow核心中的高级别框架,成为Tensorflow的默认API。
$ sudo pip install keras --upgrade
3.8 tflearn
TFLearn是另一个支持Tensorflow核心的第三方框架。
$ sudo pip install git+https://github.com/tflearn/tflearn.git
至此开发环境配置完毕
**粗体** _斜体_ [链接](http://example.com) `代码` - 列表 > 引用
。你还可以使用@
来通知其他用户。