Anaconda 中的 TensorFlow

TensorFlow 是一个 Python 库，用于高性能数值计算，使用户能够创建复杂的深度学习和机器学习应用程序。TensorFlow 于 2015 年作为开源软件发布，在数据科学界获得了巨大的发展和普及。

有许多方法可以用来安装 TensorFlow，例如使用 pip 安装 PyPI 上提供的 wheel 文件。使用 conda 包安装 TensorFlow 具有许多优点，包括完整的包管理系统、更广泛的平台支持、更简化的 GPU 体验和更好的 CPU 性能。这些包可通过 Anaconda 仓库获得，安装它们就像从命令行界面运行“conda install tensorflow”或“conda install tensorflow-gpu”一样简单。

使用 conda 而不是 pip 安装 TensorFlow 的一个主要好处是 conda 包管理系统的结果。当使用 conda 安装 TensorFlow 时，conda 也会安装包的所有必要和兼容的依赖项。这是自动完成的；用户无需通过系统包管理器或其他方式安装任何其他软件。此外，Anaconda 仓库中 1400 多个专业构建的包中的任何一个都可以与 TensorFlow 一起安装，以提供完整的数据科学环境。这些包安装到隔离的 conda 环境中，其内容不会影响其他环境。

与 Anaconda 仓库中的其他包一样，TensorFlow 在许多平台上都受支持。TensorFlow conda 包适用于 Windows、Linux 和 macOS。1.10.0 版本的 Linux 包支持许多 Linux 发行版，包括较旧的发行版，如 CentOS 6。这是 conda 包的另一个好处：尽管被标记为 manylinux1 兼容（适用于许多版本的 linux），但 PyPI 上提供的 wheel 文件仅支持最低 Ubuntu 16.04，这比许多企业 Linux 安装要新得多。

TensorFlow 中的许多功能可以使用 NVIDIA GPU 加速。当运行计算密集型深度学习应用程序时，加速增益可能特别大。当使用 pip 安装 TensorFlow 时，GPU 支持所需的 CUDA 和 CuDNN 库必须单独安装，这增加了入门的负担。当使用 conda 通过命令“conda install tensorflow-gpu”安装 GPU 加速版本的 TensorFlow 时，这些库会自动安装，并且版本已知与 tensorflow-gpu 包兼容。此外，conda 将这些库安装到某个位置，它们不会干扰可能通过另一种方法安装的这些库的其他实例。无论使用 pip 还是 conda 安装的 tensorflow-gpu，都必须单独安装 NVIDIA 驱动程序。

对于许多版本的 TensorFlow，conda 包可用于多个 CUDA 版本。例如，对于此时的最新版本 1.10.0，CUDA 8.0、9.0 和 9.2 的包均可用。pip 包仅支持 CUDA 9.0 库。当在不支持较新版本 CUDA 库的系统上工作时，这可能很重要。最后，由于这些库是通过 conda 安装的，用户可以轻松创建多个环境并比较不同 CUDA 版本的性能。

conda TensorFlow 包还旨在通过使用 Intel® Math Kernel Library for Deep Neural Networks (Intel® MKL-DNN) 来提高 CPU 的性能。从 1.9.0 版本开始，conda TensorFlow 包是使用 Intel® MKL-DNN 库构建的，这表明性能得到了显着提升。例如，图 1 比较了使用 conda 安装的 TensorFlow 与使用 pip 安装的相同版本在两个不同的图像分类模型上进行训练和推理的性能。在许多基准测试中，conda 安装版本的性能是 pip 安装包速度的八倍以上。

图 1：TensorFlow 在使用合成数据的许多常见深度学习模型上的训练性能。基准测试在 Intel® Xeon® Gold 6130 上执行。

Anaconda 为我们努力使用出色的 TensorFlow 库提供更简单、更快速的体验而感到自豪。为生产中使用的许多平台添加支持，并确保加速代码仍然稳定且数学上正确，需要大量的时间和精力。因此，我们的 TensorFlow 包可能无法与官方 TensorFlow wheel 文件同时提供。但是，我们致力于维护我们的 TensorFlow 包，并努力尽快提供更新。

有兴趣试用这些 TensorFlow 包吗？在安装 Anaconda 或 Miniconda 后，创建一个包含 TensorFlow 的新 conda 环境并激活它

conda create -n tensorflow_env tensorflow
conda activate tensorflow_env

或者对于 GPU 版本

conda create -n tensorflow_gpuenv tensorflow-gpu
conda activate tensorflow_gpuenv

TensorFlow 现在已安装并可以使用。对于 TensorFlow 的新手，教程是一个很好的入门场所。