从源码安装

blake

克隆 TensorFlow 仓库

1. $ git clone --recurse-submodules https://github.com/tensorflow/tensorflow

复制代码

--recurse-submodules 参数是必须得, 用于获取 TesorFlow 依赖的 protobuf 库.
Linux 安装 安装 Bazel 首先依照 教程 安装 Bazel 的依赖.然后使用下列命令下载和编译 Bazel 的源码:

1. $ git clone https://github.com/bazelbuild/bazel.git
   
2. $ cd bazel
   
3. $ git checkout tags/0.1.0
   
4. $ ./compile.sh

复制代码

上面命令中拉取的代码标签为 0.1.0, 兼容 Tensorflow 目前版本. bazel 的HEAD 版本 (即最新版本) 在这里可能不稳定.
将执行路径 output/bazel 添加到 $PATH 环境变量中.
安装其他依赖

1. $ sudo apt-get install python-numpy swig python-dev

复制代码

可选: 安装 CUDA (在 Linux 上开启 GPU 支持) 为了编译并运行能够使用 GPU 的 TensorFlow, 需要先安装 NVIDIA 提供的 Cuda Toolkit 7.0和 CUDNN 6.5 V2.
TensorFlow 的 GPU 特性只支持 NVidia Compute Capability >= 3.5 的显卡. 被支持的显卡包括但不限于:

• NVidia Titan
• NVidia Titan X
• NVidia K20
• NVidia K40
  

下载并安装 Cuda Toolkit 7.0 下载地址
将工具安装到诸如 /usr/local/cuda 之类的路径.
下载并安装 CUDNN Toolkit 6.5 下载地址
解压并拷贝 CUDNN 文件到 Cuda Toolkit 7.0 安装路径下. 假设 Cuda Toolkit 7.0 安装在 /usr/local/cuda, 执行以下命令:

1. tar xvzf cudnn-6.5-linux-x64-v2.tgz
   
2. sudo cp cudnn-6.5-linux-x64-v2/cudnn.h /usr/local/cuda/include
   
3. sudo cp cudnn-6.5-linux-x64-v2/libcudnn* /usr/local/cuda/lib64

复制代码

配置 TensorFlow 的 Cuba 选项 从源码树的根路径执行:

1. $ ./configure
   
2. Do you wish to bulid TensorFlow with GPU support? [y/n] y
   
3. GPU support will be enabled for TensorFlow
   
4. 
   
5. Please specify the location where CUDA 7.0 toolkit is installed. Refer to
   
6. README.md for more details. [default is: /usr/local/cuda]: /usr/local/cuda
   
7. 
   
8. Please specify the location where CUDNN 6.5 V2 library is installed. Refer to
   
9. README.md for more details. [default is: /usr/local/cuda]: /usr/local/cuda
   
10. 
    
11. Setting up Cuda include
    
12. Setting up Cuda lib64
    
13. Setting up Cuda bin
    
14. Setting up Cuda nvvm
    
15. Configuration finished

复制代码

这些配置将建立到系统 Cuda 库的符号链接. 每当 Cuda 库的路径发生变更时, 必须重新执行上述步骤, 否则无法调用 bazel 编译命令.
编译目标程序, 开启 GPU 支持 从源码树的根路径执行:

1. $ bazel build -c opt --config=cuda //tensorflow/cc:tutorials_example_trainer
   
2. 
   
3. $ bazel-bin/tensorflow/cc/tutorials_example_trainer --use_gpu
   
4. # 大量的输出信息. 这个例子用 GPU 迭代计算一个 2x2 矩阵的主特征值 (major eigenvalue).
   
5. # 最后几行输出和下面的信息类似.
   
6. 000009/000005 lambda = 2.000000 x = [0.894427 -0.447214] y = [1.788854 -0.894427]
   
7. 000006/000001 lambda = 2.000000 x = [0.894427 -0.447214] y = [1.788854 -0.894427]
   
8. 000009/000009 lambda = 2.000000 x = [0.894427 -0.447214] y = [1.788854 -0.894427]

复制代码

注意, GPU 支持需通过编译选项 "--config=cuda" 开启.
已知问题

• 尽管可以在同一个源码树下编译开启 Cuda 支持和禁用 Cuda 支持的版本, 我们还是推荐在在切换这两种不同的编译配置时, 使用 "bazel clean" 清理环境.
  
• 在执行 bazel 编译前必须先运行 configure, 否则编译会失败并提示错误信息. 未来, 我们可能考虑将 configure 步骤包含在编译过程中, 以简化整个过程, 前提是 bazel 能够提供新的特性支持这样.
  
  

Mac OS X 安装 Mac 和 Linux 需要的软件依赖完全一样, 但是安装过程区别很大. 以下链接用于帮助你在 Mac OS X 上安装这些依赖:
Bazel 参见本网页的 Mac OS X 安装指南.
SWIG Mac OS X 安装教程.
注意: 你需要安装PCRE,而不是 PCRE2.
Numpy 参见安装教程.