TensorFlow学习系列之六：测试TensorFlow是否安装成功

“是骡子是马，拉出来溜溜”。上述安装是否成功，需要测试一下才知道。下面我们就用大名鼎鼎的“HelloWorld”程序，来测试TensorFlow是否安装成功。

在终端输入python（请注意，在Mac/Linux环境下“python”全部小写），进入Python的交互模式（Python shell）。然后依次输入如下4条语句。

01 >>> import tensorflow as tf

02 >>> hello = tf.constant("Hello World, TensorFlow!")

03 >>> sess = tf.Session()

04 >>> print(sess.run(hello))

b'Hello World,TensorFlow!'

我们暂不去解释上述语句，在后文讲解TensorFlow语法时，会详细介绍。在交换模式下，如果输入第01行代码没有提示信息，那么恭喜你，TensorFlow安装成功。

但通常是“好事多磨”。由于我们“追新”，Python当前的最新版本是3.6，而TensorFlow的最新官方编译版还停留在（Python3.5），所以会导致如下警告信息：

/home/yhilly/anaconda3/envs/tensorflow/lib/python3.6/importlib/_bootstrap.py:219:RuntimeWarning: compiletime version 3.5of module 'tensorflow.python.framework.fast_tensor_util' does not match runtime version 3.6return f(*args, **kwds)

在GitHub上，这是一个留名的（known）的问题，网上吐槽一片。TensorFlow的维护者倒是非常大方的承认，目前所谓的TensorFlow的Python 3.6编译版，是拿3.5的编译版“滥竽充数”的。或许读者朋友看到这本书的时候，这个问题已是过去式了，因为TensorFlow的维护者已腾出手修复了这个问题。

上述警告信息，其实并不影响输出结果（这或许也是TensorFlow维护者并不着急解决这个小问题的原因之一）。如果有“代码洁癖”的读者，可重新利用conda创建一个Python3.5的环境，下载安装图11-15倒数第5个安装包（即tensorflow-1.4.0-cp35-cp35m-manylinux1_x86_64.whl），问题就可以迎刃而解。然后，在命令行终端输入如下指令：

conda create -ntensorflow35 python=3.5           #创建Python3.5的环境tensorflow35source activatetensorflow35                      # 激活环境tensorflow35pip3 installtensorflow-1.4.0-cp35-cp35m-manylinux1_x86_64.whl   #安装Python 3.5 编译包

在解决第01条语句的报警问题之后，在输入第03条语句时，TensorFlow也可能会给出如下警告：

Itensorflow/core/platform/cpu_feature_guard.cc:137] Your CPU supportsinstructions that this TensorFlow binary was not compiled to use: SSE4.1 SSE4.2AVX AVX2 FMA

这个问题的出现，是源于TensorFlow的默认发布版并没有构建于CPU的扩展版指令之上。这样做的目的在于，它可以兼容更多类型的CPU，尽量寻求支持各类CPU型号的最大交集，所以诸如SSE（StreamingSIMD Extensions，单指令多数据流扩展）、AVX(AdvancedVector Extensions，高级向量扩展指令集)、FMA（FusedMultiply–Add，积和熔加运算）等提高CPU效率的“个性化”高级指令，默认发布版是不支持的。而对于机器学习任务来说，这些并行化或向量化编程，能大大提升机器学习的效率。

处理这类警告信息，有两种策略。第一种策略就是“鸵鸟策略”——对警告信息“视而不见，听而不闻”，因为毕竟是“警告信息”，而非错误信息，TensorFlow程序照样可以正常运行。但这样做的坏处在于，明明你的CPU性能很好，可健步如飞，却非要像“打折了腿”一般行路，好不委屈！

为了避免这类情况，自然还需要我们再“折腾”一番，下载TensorFlow的源码，放到自己的机器上编译一下。热爱“折腾”，是上进程序员的优秀品质之一。下面我们就再接着折腾一番，介绍TensorFlow的第三种安装方式——下载源码编译。

------《待续》-------------

节选自张玉宏《深度学习之美》部分章节，电子工业出版社，博文视点，2018年7月出版

TensorFlow学习系列之六：测试TensorFlow是否安装成功相关推荐

java mysql jsp分页代码_JAVA/JSP学习系列之六(MySQL翻页例子)
JAVA/JSP学习系列之六(MySQL翻页例子) 更新时间:2006年10月13日 00:00:00 作者: 一.运行前准备下载了mysql的jdbc驱动(一个jar文件)并加载在CLASSP ...
libev学习系列之三：libev编译安装
libev学习系列之三:libev编译安装版本说明版本作者日期备注 0.1 ZY 2019.5.31 初稿目录文章目录 libev学习系列之三:libev编译安装版本说明目录源码结 ...
测试Python是否安装成功—python在Windows上的配置测试
测试Python是否安装成功 Pyhon 安装成功后,需要检测 Python 是否真的安装成功.在 Windows系统中检测 Python是否真的安装成功,可以单击 Windows 系统的" ...
Hadoop安装配置,并使用Hadoop计算圆周率测试Hadoop是否安装成功
一.实验目的掌握如何安装.配置和运行Hadoop,并使用Hadoop计算圆周率测试Hadoop是否安装成功. 二.实验环境 (1)Linux Ubuntu 16.04 (2)jdk-8u162-li ...
01_Win10下CUDA的安装、查看并升级Nvidia显卡驱动、安装CUDA、设置环境变量、测试CUDA是否安装成功
1.1.Win10下CUDA的安装(此部分只是记录一下安装过程,和上面版本可能不对应) 以下部分来自:https://blog.csdn.net/weixin_41762173/article/det ...
tensorflow学习笔记：查看tensorflow可配置运算资源以及配置使用GPU运算
查看tensorflow可配置运算资源以及配置使用GPU运算因为还用不到分布式的tensorflow,自己没有尝试过所以就不写分布式tensorflow的使用了(等自己用上了再说),这里记录一下在跑 ...
TensorFlow学习笔记之一（TensorFlow基本介绍）
文章目录 TensorFlow计算模型---计算图计算图的使用 TensorFlow数据模型---张量 TensorFlow运算模型---会话使用tf.InteractiveSession在交互式 ...
TensorFlow学习笔记01：TensorFlow入门
文章目录一.TensorFlow基本概念 1.TensorFlow的Hello World 2.TensorFlow的概念 3.计算图&#
CUDA安装失败-Nsight compute安装失败-如何测试CUDA是否安装成功？Reason: VS** was not found
一.安装背景 CUDA11.1版本,本人的电脑显卡是GTX 1650,显存4GB:第一次安装前下载了vs2017版本并安装成功. 二.安装过程-如何一步步地解决错误? 第一次安装:精简安装,也就是把所 ...

TensorFlow学习系列之六：测试TensorFlow是否安装成功

TensorFlow学习系列之六：测试TensorFlow是否安装成功相关推荐

最新文章

热门文章