Ubuntu下安装Tensorflow(CPU版本)

  第一次接触Ubuntu，第一次正儿八经的装软件，想说不同的机子，坑也是千奇百怪的，有的机子一句命令就可以搞定了，大不了加一个sudo，或者更换一下源, 然而每个机子有他的脾气，还是一步一步来吧，一路百度，一路满屏飙红报错，不过到最后还是稀里糊涂的装好了，简单记录一下，万一对别人有帮助呢。

---

准备工作

1. Ctrl + Alt + T 打开终端

2. 查看pip

which pip 可以得到 /home/xueshan/anaconda/bin/pip
sudo which pip 输入密码后可以得到 /user/local/bin/pip

3. 查看python的安装路径

which python 可以得到 /home/xueshan/anaconda/bin/python
sudo which python 输入密码后可以得到 /user/bin/python

4. 查看python的版本

python --version 结果为Python 2.7.13 :: Anaconda 2.1.0 (64-bit)
sudo python --version 结果为 python 2.7.6

  根据上面的命令输出结果可以判断本机使用的是anaconda下的python和pip, sudo的pip和python是系统自带的。所以想要安装到anaconda环境下就用anaconda的pip install, 想要安装到系统的python就用sudo pip install。

5. 官方提供了4种安装tensorflow的方法:

• Anaconda
• native pip
• virtualenv install
• Docker

下面分别介绍基于Anaconda 和 native pip安装cpu版tensorflow。

---

利用Anaconda安装Tensorflow(pip install)

  Ubuntu14.04 + python 2.7.13 + TensorFlow 1.2.0

1. 使用sudo lsb_release -a 命令可以查看 Ubuntu 的版本号
2. 在终端输入下面的命令安装tensorflow

pip install --upgrade https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.2.0-cp27-none-linux_x86_64.whl

但是可能会报错：SSLEerror: The read operation timed out. 因为用的是谷歌的源，可能是因为网速的问题，改用清华的源进行安装:

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple/ https://mirrors.tuna.tsinghua.edu.cn/tensorflow/linux/cpu/tensorflow-1.2.0-cp27-none-linux_x86_64.whl

这里推荐一个TensorFlow 镜像使用帮助，在选择完操作系统、python版本以及安装的tensorflow的版本后将会自动生成安装语句，特别方便。

一步完成安装过程.jpeg 但是在安装过程中依然会报下面的错误：
operation not permitted.jpeg 执着的把这条命名又执行了好几次，还是operation not permitted的错误，甚至将anaconda 目录的权限改为777 sudo chmod -R 777 anaconda 还是没有解决问题。但是此时conda list 里边已经出现了tensorflow(1.2.0)

3. 进入python环境，import tensorfflow, 提示错误如下图所示: No module named google.protobuf
   No module named google.protobuf.png
4. 使用conda install protobuf进行安装，pip安装失败了
   conda install protobuf.png
5. 再次进入python环境, import tensorfflow, 提示错误如下图所示: ImportError: cannot import name weakref
   cannot import name weakref.png
6. 使用pip install backports.weakref进行安装，没有解决问题，错误如下：
   pip install backports.weakref.png
7. 将anaconda 目录的权限改为777 sudo chmod -R 777 anaconda ，再次使用pip install backports.weakref进行安装，错误依旧如下图所示:
   将anaconda 目录的权限改为777.png
8. 使用conda install backports.weakref， 完美的解决了问题，个人感觉 pip 安装失败就换conda，毕竟conda的功能更强大
   No module named pbr.version.png
9. 怀着备受打击的心灵，再次import tensorflow, 提示错误如下：ImportError: No module named pbr.version.
   No module named pbr.version.png
10. 翻遍了百度也没有找到解决方案，随意试了一下pip install mock竟然解决了。
    No module named pbr.version.png
11. 今天人品不好，已经打击习惯了，输入import tensorflow看看你还会造什么幺蛾子，错误如下：ImportError:No module named funcsigs.
    No module named funcsigs.png
12. 使用pip install funcsigs进行安装，解决该问题。
    Successfully.png
13. 本来打算输入import tensorflow继续填坑，但是光标迟钝了好久，感觉有戏，果然没有报错，不放心的我还是将测试代码敲完了，看到Hello， tensorflow输出时，感觉终于可以长舒一口气了，上边的那么多错感觉还是挺值得。
    Hello, Tensorflow.png

上边安装的机子已经装好了Anaconda，设置好了环境，下面是在裸机上安装的,这个还是相对比较容易的。

---

利用native pip安装Tensorflow(sudo pip install)

  Ubuntu16.04 + python 2.7.12 + TensorFlow 1.2.0

1. 首先执行命令sudo apt-get install python-pip python-dev安装pip
2. 直接使用清华的镜像源安装tensorflow

sudo pip install -i https://pypi.tuna.tsinghua.edu.cn/simple/ https://mirrors.tuna.tsinghua.edu.cn/tensorflow/linux/cpu/tensorflow-1.2.0-cp27-none-linux_x86_64.whl

3. 接下来可能会提示下面命令：
   You should consider upgrading via thepip install --upgrade pipcommand
4. 所以按照上边的提示进行升级 pip install --upgrade pip
5. 再次输入安装tensorflow的命令，安装成功
6. 测试tesorflow是否安装成功
7. 看一下tensorflow的安装路径, 进入python环境，import tensorflow as tf后输入print tf.__version__, 会得到 /user/local/lib/python2.7/dist-packages/tensorflow/init.pyc, 说明tensorflow确实安装在了系统自带的python下。

---

测试tf-faster-rcnn demo

  为了证明安装的tensorflow是有价值的，下载了 tf-faster-rcnn 的代码进行编译。因为安装的是cpu的tensorflow，所以需要改动tf-faster-rcnn的代码，具体步骤可以移步tf-faster-rcnn实战篇，下面做一些补充：

1. 对三个python文件改动后，按照官网给出的提示进行安装编译
2. 下载预训练模型，官网默认使用的是voc_2007_trainval+voc_2012_trainval，不过执行 ./data/scripts/fetch_faster_rcnn_models.sh 可能会下载模型失败，需要修改第9行的代码 vim fetch_faster_rcnn_models.sh 更换网址，而且下载速度比较慢，可以进入提供的链接单独下载 voc_0712_80k-110k.tgz，在本地解压，再拖到./data/目录下，如果是在服务器上就执行命令scp -r voc_2007_trainval+voc_2012_trainval csn@10.102.23.44:/home/csn/Project/tf-faster-rcnn/data上传到服务器
3. 创建软连接使用预训练的模型
4. 直接执行./tools/demo.py可视化结果(不用输入GPU_ID=0 CUDA_VISIBLE_DEVICES=${GPU_ID})
5. 然而并不会看到检测结果，因为还是会接二连三的报一系列错误(ImportError)，不过这些错误无非就是缺少模块, 这个比较简单，基本就是提示缺什么就用sudo pip 装什么就解决了： sudo pip install package（这里的package就是缺少的模块），比如：

ImportError: No module named PIL.Image 
sudo pip install Pillow  
ImportError: No module named Easydict  
sudo pip install easydict 
ImportError: No module named cv2   #比较典型
sudo pip install opencv-python   

6. 接下来就是见证奇迹的时刻： bus.png

---

screen

  利用screen可以方便的管理本地或者远程的程序，在远程登录服务器-训练网络的时候非常有用，即使网络中断了，只要screen没有终止，就可以随时恢复对话并查看结果。这里记录一下常用的screen命令。

screen -S yourname            # 新建一个yourname的进程
screen -ls                    # 列出当前所有的进程
screen -r yourname            # 回到yourname的进程
screen -S yourname  -X quit   # 结束yourname的进程