使用 Python (pip) 或 Docker 容器安装 TensorFlow
TensorFlow 是谷歌的机器学习平台。它是开源的，拥有大量由开发者社区以及谷歌和其他公司开发的工具、库和其他资源。
TensorFlow 可用于所有常用的操作系统，即。 Windows、Mac 操作系统、GNU/Linux。可以使用以下任一 Python 包索引下载并安装它 点 工具，可以在虚拟 python 环境中运行。另一种使用方法是将其安装为 Docker 容器。
使用 TensorFlow 安装 点
点 是 Python 包的官方包管理实用程序。 CentOS 上默认没有安装 Python 和 pip。
安装 包，运行：
须藤 dnf 安装 python3每当安装要求确认下载等时，请输入 是 然后按 进入 键继续设置。包 蟒蛇3 将安装 Python 3 和 Pip 3。
建议在 Python 虚拟环境中运行 TensorFlow。虚拟环境允许用户在同一台计算机上运行多个 Python 环境，这些环境具有不同版本的所需包，彼此隔离。这是为了确保在具有特定版本包的虚拟环境中进行的开发不会影响在另一个环境中的开发。
要运行 Python 虚拟环境，我们需要使用模块 静脉.首先，创建并转到您的 TensorFlow 项目目录。
mkdir dev/tf cd dev/tf要在此目录中创建虚拟环境，请运行：
python3 -m venv tf_venv这将创建一个新目录 tf_venv 这是 Python 虚拟环境。它包含最少的必需文件，即。 Python 可执行文件、Pip 可执行文件和其他一些必需的库。
启动虚拟环境， 跑：
源bin/ac这会将提示的名称更改为 tf_venv，即虚拟环境文件夹的名称。
现在我们将在这个虚拟环境中安装 TensorFlow。对于 TensorFlow，最低要求 点 版本是19。 要将 pip 升级到最新版本， 跑：
pip 安装 --upgrade pip
如上所示，安装了 20.0.2 版的 pip。
以类似的方式安装包 TensorFlow。
pip install --upgrade tensorflow该软件包非常大（约 420 MB），可能需要一些时间来下载和安装其依赖项。
安装完成后，我们可以通过一小段代码来验证 TensorFlow 的安装，以检查 TensorFlow 的版本。
python -c '将张量流导入为 tf;打印（tf.__version__）'
要退出虚拟环境，请运行：
停用
使用 Docker 容器安装 TensorFlow
Docker 现在是一种在称为容器的虚拟化环境中安装和运行程序的成熟方法。它在某种程度上类似于我们在之前的方法中看到的 Python 虚拟环境。但是，Docker 的范围要广泛得多，Docker 容器是完全隔离的，并且有自己的配置、软件包和库。容器之间可以通过通道进行通信。
我们可以通过 Docker 容器安装和运行 TensorFlow，并在虚拟化环境中运行它。 TensorFlow 的开发人员维护一个 Docker 容器映像，每个版本都会对其进行测试。
首先，我们需要在我们的 CentOS 系统上安装 Docker。为此，请参阅 CentOS 的官方 Docker 安装指南。
接下来，要下载 TensorFlow 的最新容器映像，请运行：
码头工人拉张量流/张量流
笔记： 如果您的系统有专用的图形处理单元 (GPU)，则可以改为下载最新的容器映像 有 GPU 支持 使用下面的命令。
docker pull tensorflow/tensorflow:latest-gpu-jupyter您的系统必须为 GPU 安装适当的驱动程序，以便 TensorFlow 可以使用 GPU 功能。有关 TensorFlow 的 GPU 支持的更多信息，请查看 Github 存储库上的文档。
要在 Docker 容器中运行 TensorFlow，请运行：
docker run -it --rm tensorflow/tensorflow python -c“将tensorflow导入为tf；打印（tf.__version__）”
让我们首先尝试分解命令的每个部分的含义。
跑 是启动容器的 docker 命令。旗帜 -它 当我们想要启动交互式 shell（例如 Bash、Python）时提供。 - R M 指定名为 Clean Up 的标志，以便在容器退出时销毁 Docker 内部为容器运行创建的文件系统和日志。如果将来出于调试目的需要日志，则不应使用此标志。但是对于像我们这样的小前台运行，它可以使用。
在下一部分中，我们指定 Docker 容器映像的名称，即 张量流/张量流.接下来是我们要在容器中运行的程序/命令/实用程序。对于我们的测试，我们正在调用容器中的 Python 解释器并将打印 TensorFlow 版本的代码传递给它。
我们可以看到 Docker 在启动容器时正在打印一些日志。容器启动后，我们的 Python 代码运行并打印 TensorFlow 版本（2.1.0）。
我们也可以将 Python 解释器作为 shell 启动，这样我们就可以继续运行多行 TensorFlow 代码。
结论
在本文中，我们看到了在 CentOS 上安装 TensorFlow 的两种方法。这两种方法都是为了在虚拟化环境中运行 TensorFlow，这是使用 TensorFlow 时推荐的方法。
如果您是 TensorFlow 的初学者，您可以从官方 TensorFlow 教程中的基础知识开始。