zoukankan      html  css  js  c++  java

  • Ubuntu环境下Anaconda安装TensorFlow并配置Jupyter远程访问

    　　本文主要讲解在Ubuntu系统中，如何在Anaconda下安装TensorFlow以及配置Jupyter Notebook远程访问的过程。

    　　在官方文档中提到，TensorFlow的安装主要有以下五种形式：

    1. Pip安装：这种安装形式类似于安装其他的Python安装包。会影响到机器上当前的Python环境，可能会与已安装的某些版本相冲突。
    2. Virtualenv安装：将TensorFlow安装在指定路径下，与当前的Python环境相隔离。
    3. Anaconda安装：以Anaconda为基础安装TensorFlow，和上面的形式相同，也与当前Python环境相隔离。在使用TensorFlow时不影响其他Python应用的使用。
    4. Docker安装：在Docker中隔离安装TensorFlow

    5. 从源码安装：编译源码生成TensorFlow的安装whell文件。

      　　在安装过程中，尝试了Pip安装和Anaconda安装两种形式。其中Pip安装过程比较简单，按照官方文档中的步骤进行即可。接下来主要描述的是Anaconda安装的过程。

    一、Anaconda和TensorFlow环境

    1、Anaconda安装

    　　首先去本文最后的Anaconda官方下载地址下载Anaconda安装文件Anaconda2-4.2.0-Linux-x86_64.sh。
    　　下载完成后上传到服务器中，在文件路径下执行如下命令：
    bash Anaconda2-4.2.0-Linux-x86_64.sh

    　　接下来按照提示设置一些安装路径等参数，Anaconda安装完成后，会安装很多Python中常用的package，比如ipython和jupyter等。

    2、TensorFlow环境配置和切换

    　　安装完成后，使用如下命令生成一个名为tensorflow的conda环境，根据python版本选择正确的命令执行即可

    # Python 2.7
$ conda create -n TensorFlow python=2.7

# Python 3.4
$ conda create -n TensorFlow python=3.4

# Python 3.5
$ conda create -n TensorFlow python=3.5

    　　生成conda环境主要是可以自由切换tensorflow环境和普通python环境。
    （1）进入TensorFlow环境
    　　使用如下命令进入TensorFlow环境：
    source activate tensorflow
    　　此时界面如图所示，可以看到，在这里会将/usr/local/ml/anaconda2/envs/tensorflow/bin配置到PATH变量前，
    　　这里写图片描述

    （2）退出tensorflow环境
    　　使用如下命令可以从tensorflow环境中退出：
    source deactivate
    　　结果如下，可以看到这两种环境下python的执行路径是不相同的
    　　
    这里写图片描述

    二、TensorFlow安装

    1、安装

    　　在官方文档中介绍了在Anaconda中安装TensorFlow有两种方法，一种是使用conda安装，另一种是使用pip安装。在实际操作时发现由于网络原因，稍大一点的安装包就会长时间卡住无响应。可以考虑将需要的安装包下载后以local模式进行安装，在操作中发现pip安装可下载的资源比较多，而conda安装资源比较难找，所以接下来以pip的方式进行安装。
    　　在conda安装时，可以看到TensorFlow需要依赖的package及版本如下：
    　　这里写图片描述

    　　在pip安装模式下，根据安装过程的提升，将对应版本的安装文件从本文最末的Python安装包下载地址中下载到本地。比如在此次安装过程中，我手动下载了几个比较大的安装文件，如下所示

    pip install numpy-1.11.2-cp27-cp27mu-manylinux1_x86_64.whl
pip install protobuf-3.0.0-py2.py3-none-any.whl
pip install tensorflow-0.11.0rc0-cp27-none-linux_x86_64.whl

    2、遇到的报错

    　　安装完成后，在tensorflow环境下执行示例代码时发现了如下的一个报错

    ImportError: libcudart.so.7.0: cannot open shared object file: No such file or directory
...
Error importing tensorflow. Unless you are using bazel

    　　经排查发现是tensorflow安装文件下载错误导致的。我本想安装的是CPU Only版本，而错误安装了一个GPU enabled版本。
    　　这里写图片描述

    　　有关该错，还可以参考官方文档中的详细描述

    　　重新安装对应版本后错误消失。

    3、验证安装是否正确

    　　官方文档中提供一段检查tensorflow安装是否正确的代码，如下所示

    $ python
...
>>> import tensorflow as tf
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess = tf.Session()
>>> print(sess.run(hello))
Hello, TensorFlow!
>>> a = tf.constant(10)
>>> b = tf.constant(32)
>>> print(sess.run(a + b))
42
>>>

    　　运行结果如下所示：
    　　这里写图片描述

    　　到这里TensorFlow已经正确安装，可以继续进行后续学习了。
    　　但是考虑到TensorFlow安装在虚拟机中，使用不是很方便，接下来考虑配置一个jupyter notebook server服务可以在浏览器中远程访问，更加方便的使用tensorflow。

    4、查看版本和安装路径

    　　查看TensorFlow的版本：

    >>> import tensorflow as tf
>>> tf.__version__
'0.11.0rc2'

    　　查看TensorFlow安装路径：

    >>> tf.__path__
['/usr/local/ml/anaconda2/envs/tensorflow/lib/python2.7/site-packages/tensorflow']

    5、TensorBoard启动和访问

    　　每次启动TensorBoard时可以按照如下命令进行启动，需要用--logdir参数指定SummaryWriter的事件文件写出路径。

    tensorboard --logdir /usr/local/ml/anaconda2/envs/tensorflow/logs

    　　启动后，输出如下信息，默认启动端口号为6006，可以使用后面的帮助信息查看如何在启动时指定其他端口。

    Starting TensorBoard 29 on port 6006
(You can navigate to http://192.168.1.100:6006)

    　　页面如下：
    　　这里写图片描述

    　　更多启动参数可以查看tensorboard的帮助信息

    tensorboard -h

    三、Jupyter Notebook远程访问

    　　在TensorFlow官方文档中正确安装TensorFlow后，还有一小部分文档描述在tensorflow环境下安装IPython。如果完全按照官方文档的提升安装所需组件后，是无法通过浏览器远程使用TensorFlow的。需要在TensorFlow环境下手动安装Jupyter Notebook并且配置其Server方式。

    1、Jupyter安装

    　　去Python安装包下载地址中下载Jupyter安装文件，并按安装过程中的依赖提示，下载并安装Jupyter依赖的安装包。

    2、Jupyter Notebook Server配置

    　　Jupyter安装完成后，需要进行以下一系列操作并配置好配置文件。配置完成后，建议在Chrome浏览器中远程使用，由于浏览器原因遇到的报错会在最后描述。
    　　参考Jupyter Notebook官方文档中的步骤就可以实现远程访问的功能。
    　　
    （1）生成配置文件
    　　使用如下命令

    jupyter notebook --generate-config

    　　会在~/.jupyter目录下生成一个名为jupyter_notebook_config.py的配置文件

    （2）准备配置的密码
    　　如下所示，

    In [1]: from notebook.auth import passwd
In [2]: passwd()
Enter password:
Verify password:
Out[2]: 'sha1:67c9e60bb8b6:9ffede0825894254b2e042ea597d771089e11aed'

    　　注意保存上面的Out[2]中生成的内容

    （3）生成pem和key文件
    　　使用如下命令会在当前路径下生成一个mykey.key和一个mycert.pem文件，这两个文件会在后面的配置中使用到。下面的命令会生成有效期为365天的certificate文件。

    openssl req -x509 -nodes -days 365 -newkey rsa:1024 -keyout mykey.key -out mycert.pem

    　　
    （4）配置配置文件
    　　这里主要配置第一步中的jupyter_notebook_config.py文件。需要配置的选项如下：

    c.NotebookApp.certfile = u'/absolute/path/to/your/certificate/mycert.pem'
c.NotebookApp.keyfile = u'/absolute/path/to/your/certificate/mykey.key'
# Set ip to '*' to bind on all interfaces (ips) for the public server
c.NotebookApp.ip = '*'
c.NotebookApp.password = u'sha1:bcd259ccf...<your hashed password here>'
c.NotebookApp.open_browser = False

# 指定端口号
c.NotebookApp.port = 8888

    　　配置完成后，在TensorFlow环境下输入jupyter notebook命令，在远程中打开Chrome浏览器，输入https://ip:8888就可以远程访问并使用TensorFLow了。
    　　最终效果如下：
    　　这里写图片描述

    注意事项：
    　　注意这里最好使用Chrome浏览器，以免遇到莫名其妙的文件。比如我在使用猎豹浏览器时在页面上遇到了404 : Not Found的错误
    　　这里写图片描述

    　　在后台输出的日志中显示
    [W 08:33:55.116 NotebookApp] 404 GET
    　　换到Chrome浏览器后，问题消失。

    主要参考和使用的资源网站：
    1、TensorFlow官方文档
    2、TensorFlow Github地址
    3、jupyter远程访问
    4、Anaconda官方下载地址
    5、Python安装包下载地址
  • 相关阅读:
    c数据结构 顺序表和链表 相关操作
    查找字符串中是否存在指定的字符
    比较两人生日相差多少天
    十进制转化为二进制（栈算法）
    c数据结构栈的基本操作（字符逆序输出）
    Django笔记-登陆、注册（利用cookie实现）
    Django笔记-常见错误整理
    Django笔记-post与get方法相关出错记录
    Django笔记-登陆注册-1
    Django笔记-helloworld
  • 原文地址：https://www.cnblogs.com/wuyida/p/6300210.html
Copyright © 2011-2022 走看看