面向機器智慧的TensorFlow實戰1：安裝

https://www.tensorflow.org/versions/master/get_started/os_setup.html

1、選擇安裝環境

三種環境：一般而言，如果準備在單機上安裝和使用TensorFlow，建議採用Virtualenv或Conda，能夠以較小的代價解決依賴衝突問題，且易於設定。如果準備將TensorFlow程式碼部署到一臺或多臺伺服器上，則值得床架一個Docker容器映象。筆者不推薦既不使用虛擬環境，也不適用容器的TensorFlow安裝方法。

     程式碼庫內部的軟體包依賴：無需依賴於系統級的軟體包或庫

     使用依賴環境：對於Python的標準髮型版，Virtualenv是直接可用的。如果使用的是Anaconda，它會包含一個內建的虛擬環境系統及其軟體包管理器--Conda。

     使用容器：容器（如Docker）是將軟體於完整的檔案系統，包括其執行時和依賴庫打包的輕量級方案。

2、Jupyter Notebook與matplotlib

     Jupyter Notebook，前身為iPython Notebook

     matplotlib是一個繪相簿

3、建立Virtualenv環境

   Python 2.7 ---> sudo apt-get install python-pip python-dev python-virtualenv

   Python 3 ---> sudo apt-get install python3-pip python3-dev python3-virtualenv

   $ mkdir ~/env

   $ virtualenv --system-site-packages ~/env/tensorflow   //建立虛擬環境

   $ source ~/env/tensorflow/bin/activate            //啟用虛擬環境

   $ deactivate      //關閉

   $ sudo printf '\nalias tensorflow="source ~/env/tensorflow/bin/activate"' >> ~/.bashrc  //建立別名

4、簡易安裝

如果不關心是否有GPU支援，可用官方預製的二進位制安裝程式安裝，略。

5、 原始碼安裝

    安裝依賴庫  $ sudo apt-get install python-numpy python-wheel python-imaging swig

    安裝Bazel：一款基於谷歌內部軟體的開源構建工具，用於構建TensorFlow

    安裝CUDA軟體：

    從原始碼構建和安裝TensorFlow：

6、安裝jupyter

   $ sudo pip install jupyter

7、安裝matplotlib

   $ sudo apt-get build-dep python-matplotlib python-tk

8、測試Tensorflow

   $ mkdir  tf-notebook

   $ jupyter notebook

import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
#通知筆記本直接將matplotlib圖表顯示在瀏覽器中
%matplotlib inline   

a = tf.random_normal([2,20])
sess = tf.Session()
out = sess.run(a)
x, y = out

plt.scatter(x, y)
plt.show()