CentOS 7 下使用虚拟环境Virtualenv安装Tensorflow cpu版记录

1.首先安装pip-install

在使用centos7的软件包管理程序yum安装Python-pip的时候会报一下错误：

No package python-pip available. 

Error: Nothing to do 

说没有python-pip软件包可以安装。

这是因为像centos这类衍生出来的发行版，他们的源有时候内容更新的比较滞后，或者说有时候一些扩展的源根本就没有。所以在使用yum来search python-pip的时候，会说没有找到该软件包。 

因此为了能够安装这些包，需要先安装扩展源EPEL。EPEL(http://fedoraproject.org/wiki/EPEL) 是由 Fedora 社区打造，为 RHEL 及衍生发行版如 CentOS、Scientific Linux 等提供高质量软件包的项目。 

首先安装epel扩展源：

sudo yum -y install epel-release

然后安装python-pip：

sudo yum -y install python-pip

安装完之后别忘了清除一下cache：

sudo yum clean all

搞定！

2.在隔离容器中安装TensorFlow

推荐使用virtualenv 创建一个隔离的容器, 来安装 TensorFlow. 这是可选的, 但是这样做能使排查安装问 

题变得更容易，照着敲命令就行了

安装主要分成下面四个步骤： 

● Install pip and Virtualenv.（这一步装过了） 

● Create a Virtualenv environment. 

● Activate the Virtualenv environment and install TensorFlow in it. 

● After the install you will activate the Virtualenv environment each time you want to use TensorFlow. 

Install pip and Virtualenv: 

# Ubuntu/Linux 64-bit

$ sudo apt-get install python-pip python-dev python-virtualenv

# Mac OS X

$ sudo easy_install pip
$ sudo pip install --upgrade virtualenv

Create a Virtualenv environment in the directory ~/tensorflow:

$ virtualenv --system-site-packages ~/tensorflow

Activate the environment:

$ source ~/tensorflow/bin/activate  # If using bash
$ source ~/tensorflow/bin/activate.csh  # If using csh

(tensorflow)$ # Your prompt should change

Now, install TensorFlow just as you would for a regular Pip installation. First select the correct binary to install: 

# Ubuntu/Linux 64-bit, CPU only, Python 2.7

(tensorflow)$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.10.0rc0-cp27-none-linux_x86_64.whl

Finally install TensorFlow: 

# Python 2

(tensorflow)$ pip install --upgrade $TF_BINARY_URL

出现了如下错误：

InstallationError: Command python setup.py egg_info failed with error code 1 in /root/tensorflow/build/mock

解决方案是： 

Distribute has been merged into Setuptools as of version 0.7. If you are using a version <=0.6, upgrade using :

pip install --upgrade setuptools

or

easy_install -U setuptools.

其实就是安装的egg需要升级一下把，我猜测

升级之后重新 ：

(tensorflow)$ pip install --upgrade $TF_BINARY_URL

等待一段时间，（我似乎看到tensorflow在用gcc编译c++，c，时间还挺长大概十来分钟） 

看到 

Successfully installed tensorflow protobuf six wheel mock numpy funcsigs pbr 

Cleaning up… 

就ok

3.测试代码

import tensorflow as tf
import numpy as np
# 使用 NumPy 生成假数据(phony data), 总共 100 个点.
x_data = np.float32(np.random.rand(2, 100)) # 随机输入
y_data = np.dot([0.100, 0.200], x_data) + 0.300

# 构造一个线性模型
b = tf.Variable(tf.zeros([1]))
W = tf.Variable(tf.random_uniform([1, 2], -1.0, 1.0))
y = tf.matmul(W, x_data) + b

# 最小化方差
loss = tf.reduce_mean(tf.square(y - y_data))
optimizer = tf.train.GradientDescentOptimizer(0.5)
train = optimizer.minimize(loss)
# 初始化变量
init = tf.initialize_all_variables()
# 启动图 (graph)
sess = tf.Session()
sess.run(init)
# 拟合平面
for step in xrange(0, 201):
sess.run(train)
if step % 20 == 0:
print step, sess.run(W), sess.run(b)

在命令行输入：

source ~/tensorflow/bin/activate

激活tensorflow环境，运行上述代码

(tensorflow)[root@www test]# python nihe.py

# 得到最佳拟合结果

W: [[0.100 0.200]], b: [0.300]

退出虚拟环境：

(tensorflow)$ source deactivate