python2.7安装tensorflow,python3.7 tensorflow安装

　　Tensorflow离线安装是一件比较麻烦的事情。首先，需要确保tensorflow安装包与当前环境兼容。其次，存在许多依赖库，并且库版本需要被改编。

　　接下来，我们将依赖库下载到带有网络的centos服务器系统中，并完成改编。

　　1.下载tensorflow安装包

　　1.1确认python版本

　　1.2配置venv

　　1.3自动获取(安装)指定版本的tensorflow。

　　2.离线适应依赖库

　　2.1网络配置

　　2.2适应性依赖库

　　1.下载tensorflow安装包

　　首先我们需要确定安装tensorflow的哪个版本，比如cpu版本1.14.0或者gpu版本2.3.0。接下来我们以CPU 1 . 14 . 0版本为例。

　　1.1确认python版本

　　图1在控制台中输入python支持的版本：whereis python或which python。如果有python的资料，继续输入python -v，就可以得到python版本信息(比如Python 3.6.8)。参见图1。

　　现在根据版本号，我们寻找对应的安装包(例如centos8系统的Python 3 . 6 . 8版本):

　　cpu版本为tensor flow-xxxx-cp36-cp36m-Linux _ x86 _ 64 . whl；

　　Gpu版本选择tensor flow _ GPU-XXXX-CP36-CP36M-Linux _ x86 _ 64 . whl

　　1.2配置venv

　　Tensorflow安装包和依赖库通过pip指令安装或卸载。接下来，我们配置venv环境。

　　1.首先创建一个文件夹，比如python _ venv(mkdir python _ venv)2 . CD python _ venv 3 . python 3-m venv venv4.sourcevenv/wzdxlb/activate描述：第三步。将python3自带的venv环境导出到/home/current user/python _ venv/venv文件夹；第四步。读取并执行venv环境。每次启动新的控制台时，您都需要执行步骤4。(读取并执行venv环境)。也可以写第四步的内容。进了。bashrc文件，然后您不必手动执行步骤4.的附加信息。bashrc:echo source/home/lk/python _ venv/venv/wzdxlb/activate ~/。bashrc 1.3自动获取(安装)指定版本的tensorflow。

　　为了确保tensorflow安装包可用(或者自动安装指定版本)，这部分工作可以通过pip指令来完成。

　　控制台输入(执行venv环境):

　　版本：pip安装tensorflow==1.14.0或Pip安装TensorFlow-cpu==1.14.0(部分版本指定-可能找不到CPU)GPU版本：Pip安装TensorFlow-GPU==1.14.0

　　图2 tensor flow自动采集(安装)参考图2。当执行上述类似指令时，可以在下载时看到下载地址和安装包名称。我们可以通过这个安装包名称从相关网站下载。

　　2.离线适应依赖库

　　既然tensorflow安装包已经确定，下一步就是修改依赖库。这个过程相当繁琐，其中一个库可能需要换几次。

　　2.1网络配置

　　Pip指示您在安装tensorflow时自动安装依赖库。我们需要在安装前断开网络，然后根据缺库的提示从相关网站下载，然后安装。

　　2.2适应性依赖库

　　接下来，让我们言归正传，开始改编：

　　输入：pip安装tensor flow-1 . 14 . 0-cp36-cp36m-many nux 1 _ x86 _ 64 . whl。

　　图3参考图3张量流自适应过程。我们在网络关闭时安装了tensorflow-1.14.0，提示“找不到满足需求的keras-preprocessing=1.0.5”。接下来，让我们去https://pypi.tuna.tsinghua.edu.cn/simple/寻找大于或等于1.0.5的库：

　　根据URL和库名拼写为：https://pypi.tuna.tsinghua.edu.cn/simple/keras-preprocessing,其中我们选择keras _ preprocessing-1 . 0 . 5-py2 . py3-none-any . whl

　　继续关闭安装：pip install keras _预处理-1.0.5-py2.py3-none-any.whl。

　　图4 Keras _预处理适配过程1参考图4，Keras _预处理依赖于numpy库(大于等于1.9.1)，所以我们要寻找numpy库：

　　根据网址和库名拼写为：https://pypi.tuna.tsinghua.edu.cn/simple/numpy.此处我们选择Numpy-1 . 18 . 0-CP36-CP36m-many Linux 1 _ x86 _ 64 . whl . Numpy安装过程省略…

　　图5 numpy安装参考图5，numpy库安装成功。现在我们继续安装Keras _预处理：

　　图6 Keras _预处理适配过程2参考图6。这次靠六(大于等于1.9.0)找六库…

　　然后是h5py，Keras_Applications，再次安装keras _预处理：

　　图7克拉_预处理适配完成安装了几个依赖库后，keras _预处理也终于安装成功。

　　接下来还有好多库需要安装，这里就不一一列举了，下面贴上所有依赖库的安装顺序：

　　编号py-1。18 .0-CP 36m-manylinox 1 _ x86 _ 64。whl6-1。12 .0-py 2。py3-无-任何。wh5 py-2。9 .0-CP 36m-manylinox 1 _ x86 _ 64。whlkeras _ applications-1。0 .6-py 2。py3-无-任何。whlkeras _预处理-1。0 .5-py 2。py3-无-任何。（同whitewater）白水这些库安装完成后，张量流就能成功安装和使用了。依赖库按照这个顺序可以制作成转速(rpm)包在断网的电脑上使用。

　　依赖库下载地址：依赖库下载！

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。