update install_linux.md to v1.6

johnson329 · Mar 9, 2018 · d9b88e7 · d9b88e7
1 parent ab3648e
commit d9b88e7
Showing 1 changed file with 53 additions and 58 deletions.
diff --git a/install/install_linux.md b/install/install_linux.md
@@ -1,6 +1,9 @@
 # 在 Ubuntu 上安装 TensorFlow
 
-这篇指南解释了如何在 Ubuntu 上安装 TensorFlow。 文中的方法可能也适用于其他的 Linux 发行版，但这里我们仅在 Ubuntu 14.04 及更高的版本中进行了测试（且仅支持这些版本）。
+This guide explains how to install TensorFlow on Ubuntu. Although these instructions might also work on other Linux variants, we have only tested (and we only support) these instructions on machines meeting the following requirements:
+
+  * 64-bit desktops or laptops
+  * Ubuntu 16.04 or higher
 
 ## 安装哪一个 TensorFlow
 
@@ -15,30 +18,24 @@
 
 如果你正在利用本帮助中描述的方法之一来安装支持 GPU 的 TensorFlow，那么你的系统中必须要有如下的 NVIDIA 软件：
 
-  * CUDA® Toolkit 8.0.（CUDA® 工具包 8.0） 更多请见
-    [NVIDIA 英伟达的文档](http://docs.nvidia.com/cuda/cuda-installation-guide-linux/#axzz4VZnqTJ2A).
-  	请保证你将 Cuda 相关的路径像 NVIDIA 文档中所描述的那样附在 `LD_LIBRARY_PATH` 环境变量中。
-  * 与 CUDA Toolkit 8.0 对应的 NVIDIA 驱动。
-  * cuDNN v6.0。 详情见
-    [NVIDIA 英伟达的文档](https://developer.nvidia.com/cudnn).
-	请保证你如 NVIDIA 文档中描述的那样创建了 `CUDA_HOME` 环境变量
-  * 拥有 CUDA 3.0 或更高计算能力的显卡。请见
-    [NVIDIA 英伟达的文档](https://developer.nvidia.com/cuda-gpus) 中支持的 GPU 列表.
-  * NVIDIA CUDA 解析工具的接口，libcupti-dev 库。
-    该库提供了更高级的分析工具支持。要安装这个库，对 CUDA Toolkit 8.0 以上的版本运行如下命令：
+  * CUDA® Toolkit 9.0.（CUDA® 工具包 8.0） 详见 [NVIDIA 英伟达的文档](http://docs.nvidia.com/cuda/cuda-installation-guide-linux/#axzz4VZnqTJ2A)。请保证你将 Cuda 相关的路径像 NVIDIA 文档中所描述的那样附在 `LD_LIBRARY_PATH` 环境变量中。
+  * 与 CUDA Toolkit 9.0 对应的 NVIDIA 驱动。
+  * cuDNN v7.0。 详见 [NVIDIA 英伟达的文档](https://developer.nvidia.com/cudnn)，请保证你如 NVIDIA 文档中描述的那样创建了 `CUDA_HOME` 环境变量。
+  * GPU card with CUDA Compute Capability 3.0 or higher for building from source and 3.5 or higher for our binaries。 详见 [NVIDIA 英伟达的文档](https://developer.nvidia.com/cuda-gpus) 中支持的 GPU 列表。
+  * NVIDIA CUDA 解析工具的接口，libcupti-dev 库。该库提供了更高级的分析工具支持。要安装这个库，对 CUDA Toolkit 8.0 以上的版本运行如下命令：
 
     <pre>
     $ <b>sudo apt-get install cuda-command-line-tools</b>
     </pre>
-    
+
     并且将其路径加在你的环境变量 `LD_LIBRARY_PATH` 中：
-    
-	<pre> 
+
+	<pre>
     $ <b>export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/extras/CUPTI/lib64</b> 
     </pre>
 
     对于 CUDA Toolkit 7.5及以下版本，运行：
-    
+
     <pre>
     $ <b>sudo apt-get install libcupti-dev</b>
     </pre>
@@ -55,16 +52,16 @@
 ## 决定如何安装 TensorFlow
 你必须决定使用哪一种方法来安装 TensorFlow。有如下几种支持的方法：
 
-  * [virtualenv](#InstallingVirtualenv)
+  * [Virtualenv](#InstallingVirtualenv)
   * ["native" pip](#InstallingNativePip)
   * [Docker](#InstallingDocker)
   * [Anaconda](#InstallingAnaconda)
   * 使用文档中的资源安装
     [另一个帮助文档](https://www.tensorflow.org/install/install_sources).
 
-**我们推荐使用 virtualenv 安装方法**
+**我们推荐使用 Virtualenv 安装方法**
 [Virtualenv](https://virtualenv.pypa.io/en/stable/)
-是一个 Python 的虚拟环境，独立于其他的 Python 部署，不会与同一台机器上的其他 Python 程序互相影响。在安装 virtualenv 的过程中，你需要安装 TensorFlow 及其所依赖的所有包（实际上这很简单）。要开始使用 TensorFlow 工作的时候，你只需要激活("activate")虚拟环境。总而言之，virtualenv 提供了一种安全可靠的方法来安装并运行 TensorFlow。
+是一个 Python 的虚拟环境，独立于其他的 Python 部署，不会与同一台机器上的其他 Python 程序互相影响。在安装 Virtualenv 的过程中，你需要安装 TensorFlow 及其所依赖的所有包（实际上这很简单）。要开始使用 TensorFlow 工作的时候，你只需要激活("activate")虚拟环境。总而言之，Virtualenv 提供了一种安全可靠的方法来安装并运行 TensorFlow。
 
 使用原生 pip 直接在你的系统上安装 TensorFlow 而不使用任何容器系统。 **对于希望使每一个用户都能够使用 TensorFlow 的多用户系统的管理员，我们推荐使用原生 pip 直接安装。** 由于原生 pip 安装不会阻止一个分离的容器安装方法，pip 可能会影响到同台机器上其他基于 Python 的程序。然而如果你了解 pip 和 你当前的 Python 环境，原生 pip 安装会更加简单，往往只需要一条命令即可。
 
@@ -76,25 +73,25 @@ Docker 完全地将 TensorFlow 的安装与其他之前安装于你机器上的
 
 
 <a name="InstallingVirtualenv"></a>
-## 使用 virtualenv 安装
+## 使用 Virtualenv 安装
 
 按照如下步骤来使用 virtualenv 安装 TensorFlow：  
-  1. 选择下面的一条命令来安装 pip 和 virtualenv：
+  1. 选择下面的一条命令来安装 pip 和 Virtualenv：
 
      <pre>$ <b>sudo apt-get install python-pip python-dev python-virtualenv</b> # for Python 2.7
-     $ <b>sudo apt-get install python3-pip python3-dev python-virtualenv</b> # for Python 3.n</pre>
+    $ <b>sudo apt-get install python3-pip python3-dev python-virtualenv</b> # for Python 3.n</pre>
 
-  2. 挑选其中的一条命令来创建一个 virtualenv 的虚拟环境:
+  2. 挑选其中的一条命令来创建一个 Virtualenv 的虚拟环境:
 
      <pre>$ <b>virtualenv --system-site-packages</b> <i>targetDirectory</i> # for Python 2.7
-     $ <b>virtualenv --system-site-packages -p python3</b> <i>targetDirectory</i> # for Python 3.n</pre>
+    $ <b>virtualenv --system-site-packages -p python3</b> <i>targetDirectory</i> # for Python 3.n</pre>
 
-     其中<code><em>targetDirectory</em></code> 指明了 virtualenv 树中根部位置。我们的命令中假设了<code><em>targetDirectory</em></code> 是 `~/tensorflow`, 但你也可以指定任意目录。
+     其中<code><em>targetDirectory</em></code> 指明了 Virtualenv 树中根部位置。我们的命令中假设了<code><em>targetDirectory</em></code> 是 `~/tensorflow`, 但你也可以指定任意目录。
 
-  3. 通过以下任意一条命令激活 virtualenv 的虚拟环境:
+  3. 通过以下任意一条命令激活 Virtualenv 的虚拟环境:
 
      <pre>$ <b>source ~/tensorflow/bin/activate</b> # bash, sh, ksh, or zsh
-     $ <b>source ~/tensorflow/bin/activate.csh</b>  # csh or tcsh</pre>
+    $ <b>source ~/tensorflow/bin/activate.csh</b>  # csh or tcsh</pre>
 
      第一条 <tt>source</tt> 命令会将你的前缀变为
 
@@ -104,20 +101,20 @@ Docker 完全地将 TensorFlow 的安装与其他之前安装于你机器上的
 
      <pre>(tensorflow)$ <b>easy_install -U pip</b></pre>
 
-  5. 运行下列其中的一条命令来在激活的 virtualenv 环境中安装 TensorFlow:
+  5. 运行下列其中的一条命令来在激活的 Virtualenv 环境中安装 TensorFlow:
 
 
      <pre>(tensorflow)$ <b>pip install --upgrade tensorflow</b>      # for Python 2.7
-     (tensorflow)$ <b>pip3 install --upgrade tensorflow</b>     # for Python 3.n
-     (tensorflow)$ <b>pip install --upgrade tensorflow-gpu</b>  # for Python 2.7 and GPU
-     (tensorflow)$ <b>pip3 install --upgrade tensorflow-gpu</b> # for Python 3.n and GPU</pre>
+    (tensorflow)$ <b>pip3 install --upgrade tensorflow</b>     # for Python 3.n
+    (tensorflow)$ <b>pip install --upgrade tensorflow-gpu</b>  # for Python 2.7 and GPU
+    (tensorflow)$ <b>pip3 install --upgrade tensorflow-gpu</b> # for Python 3.n and GPU</pre>
 
-     如果这一步成功了，跳过步骤 6，否则继续执行步骤 6。
+     如果前面几步成功了，则可以跳过步骤 6，否则需要继续执行步骤 6。
 
-  6. （可选）如果步骤 5 失败了（通常是由于你运行了一个低于 8.1 版本的 pip），通过以下命令来在激活的 virtualenv 环境中安装 TensorFlow：
+  6. （可选）如果步骤 5 失败了（通常是由于你运行了一个低于 8.1 版本的 pip），通过以下命令来在激活的 Virtualenv 环境中安装 TensorFlow：
 
      <pre>(tensorflow)$ <b>pip install --upgrade</b> <i>tfBinaryURL</i>   # Python 2.7
-     (tensorflow)$ <b>pip3 install --upgrade</b> <i>tfBinaryURL</i>  # Python 3.n </pre>
+    (tensorflow)$ <b>pip3 install --upgrade</b> <i>tfBinaryURL</i>  # Python 3.n </pre>
 
      其中 <code><em>tfBinaryURL</em></code> 指明了 TensorFlow 的 Python 包的URL 路径。 <code><em>tfBinaryURL</em></code> 的值取决于操作系统，Python 版本和 GPU 支持。在这里找到时候你的系统的
      <code><em>tfBinaryURL</em></code> 
@@ -134,12 +131,12 @@ Docker 完全地将 TensorFlow 的安装与其他之前安装于你机器上的
 在安装了 TensorFlow 之后，
 需要[验证你的安装](#ValidateYourInstallation).
 
-请注意你必须在每次运行 TensorFlow 之前都要激活你的虚拟环境。如果 virtualenv 环境当前并没有激活，运行以下其中一条命令：
+请注意你必须在每次运行 TensorFlow 之前都要激活你的 Virtualenv 环境。如果 Virtualenv 环境当前并没有激活，运行以下其中一条命令：
 
-<pre>$ <b>source ~/tensorflow/bin/activate</b>      # bash, sh, ksh, or zsh
+<pre> $ <b>source ~/tensorflow/bin/activate</b>      # bash, sh, ksh, or zsh
 $ <b>source ~/tensorflow/bin/activate.csh</b>  # csh or tcsh</pre>
 
-当 virtualenv 环境激活后，你可以使用 shell 来运行相关程序。你的提示如下时，代表着那你的虚拟环境已经激活了：
+当 Virtualenv 环境激活后，你可以使用 shell 来运行相关程序。你的提示如下时，代表着那你的虚拟环境已经激活了：
 
 <pre>(tensorflow)$ </pre>
 
@@ -187,22 +184,22 @@ $ <b>sudo apt-get install python3-pip python3-dev</b> # for Python 3.n
   1. 通过其中的**一条命令**安装 TensorFlow：
 
      <pre>$ <b>pip install tensorflow</b>      # Python 2.7; CPU support (no GPU support)
-     $ <b>pip3 install tensorflow</b>     # Python 3.n; CPU support (no GPU support)
-     $ <b>pip install tensorflow-gpu</b>  # Python 2.7;  GPU support
-     $ <b>pip3 install tensorflow-gpu</b> # Python 3.n; GPU support </pre>
+    $ <b>pip3 install tensorflow</b>     # Python 3.n; CPU support (no GPU support)
+    $ <b>pip install tensorflow-gpu</b>  # Python 2.7;  GPU support
+    $ <b>pip3 install tensorflow-gpu</b> # Python 3.n; GPU support </pre>
 
      如果命令完成了安装，你现在应该
      [对你的安装进行验证](#ValidateYourInstallation).
 
   2. (可选) 如果步骤 1 失败了，安装如下格式执行命令进行安装:
 
      <pre>$ <b>sudo pip  install --upgrade</b> <i>tfBinaryURL</i>   # Python 2.7
-     $ <b>sudo pip3 install --upgrade</b> <i>tfBinaryURL</i>   # Python 3.n </pre>
+    $ <b>sudo pip3 install --upgrade</b> <i>tfBinaryURL</i>   # Python 3.n </pre>
 
      其中 <code><em>tfBinaryURL</em></code> 指明了 TensorFlow 的 Python 包的URL 路径。 <code><em>tfBinaryURL</em></code> 的值取决于操作系统，Python 版本和 GPU 支持。在[这里](#the_url_of_the_tensorflow_python_package)找到时候你的系统的
-     <code><em>tfBinaryURL</em></code>值。  例如，如果你要在 Linux，Python 3.4，仅支持 CPU 的环境中安装 TensorFlow，在激活的 virtualenv 环境中运行如下命令：
+     <code><em>tfBinaryURL</em></code>值。  例如，如果你要在 Linux，Python 3.4，仅支持 CPU 的环境中安装 TensorFlow，在激活的 Virtualenv 环境中运行如下命令：
      <pre>(tensorflow)$ <b>pip3 install --upgrade \
-     https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.4.0rc0-cp34-cp34m-linux_x86_64.whl</b></pre>
+     https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.6.0-cp34-cp34m-linux_x86_64.whl</b></pre>
 
      如果该步骤失败了，见这里
      [常见安装问题](#common_installation_problems).
@@ -346,7 +343,7 @@ Docker 会在你第一次运行的时候下载 TensorFlow 二进制镜像。更
 
      <pre>
      (tensorflow)$ <b>pip install --ignore-installed --upgrade \
-     https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.4.0rc0-cp34-cp34m-linux_x86_64.whl</b></pre>
+     https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.6.0-cp34-cp34m-linux_x86_64.whl</b></pre>
 
 
 <a name="ValidateYourInstallation"></a>
@@ -357,10 +354,10 @@ Docker 会在你第一次运行的时候下载 TensorFlow 二进制镜像。更
 
 
 ### 准备你的环境
-如果你是使用原生 pip，virtualenv 或者 Anaconda 安装的，那么进行如下步骤：
+如果你是使用原生 pip，Virtualenv 或者 Anaconda 安装的，那么进行如下步骤：
 
   1. 开启一个终端。
-  2. 如果是使用 virtualenv 或 Anaconda 安装，激活你的容器。 
+  2. 如果是使用 Virtualenv 或 Anaconda 安装，激活你的容器。 
   3. 如果使用的 TensorFlow 源码安装，跳转至任意路径，**除了**有 TensorFlow 源码的地方。
 
 如果你是通过 Docker 安装的，开启一个你可以使用 bush 的 Docker 容器，如：
@@ -390,7 +387,7 @@ print(sess.run(hello))
 
 <pre>Hello, TensorFlow!</pre>
 
-如果你仍然对 TensorFlow 比较陌生，请参照 @{$get_started/get_started$Getting Started with TensorFlow}.
+如果你仍然对 TensorFlow 比较陌生，请参照 @{$get_started/premade_estimators$Getting Started with TensorFlow}.
 
 如果系统输出了一个错误信息，见[常见安装错误](#common_installation_problems).
 
@@ -495,13 +492,13 @@ print(sess.run(hello))
 仅支持 CPU:
 
 <pre>
-https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.4.0rc0-cp27-none-linux_x86_64.whl
+https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.6.0-cp27-none-linux_x86_64.whl
 </pre>
 
 支持 GPU:
 
 <pre>
-https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.4.0rc0-cp27-none-linux_x86_64.whl
+https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.6.0-cp27-none-linux_x86_64.whl
 </pre>
 
 注意 GPU 支持需要符合[NVIDIA 对运行 GPU 支持版本的 TensorFlow 的要求](#NVIDIARequirements)的软硬件要求。
@@ -512,13 +509,13 @@ https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.4.0rc0-cp27
 仅支持 CPU：
 
 <pre>
-https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.4.0rc0-cp34-cp34m-linux_x86_64.whl
+https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.6.0-cp34-cp34m-linux_x86_64.whl
 </pre>
 
 支持 GPU:
 
 <pre>
-https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.4.0rc0-cp34-cp34m-linux_x86_64.whl
+https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.6.0-cp34-cp34m-linux_x86_64.whl
 </pre>
 
 注意 GPU 支持需要符合[NVIDIA 对运行 GPU 支持版本的 TensorFlow 的要求](#NVIDIARequirements)的软硬件要求。
@@ -529,13 +526,13 @@ https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.4.0rc0-cp34
 支持 CPU：
 
 <pre>
-https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.4.0rc0-cp35-cp35m-linux_x86_64.whl
+https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.6.0-cp35-cp35m-linux_x86_64.whl
 </pre>
 
 GPU 支持：
 
 <pre>
-https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.4.0rc0-cp35-cp35m-linux_x86_64.whl
+https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.6.0-cp35-cp35m-linux_x86_64.whl
 </pre>
 
 
@@ -546,14 +543,13 @@ https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.4.0rc0-cp35
 仅支持 CPU：
 
 <pre>
-https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.4.0rc0-cp36-cp36m-linux_x86_64.whl
+https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.6.0-cp36-cp36m-linux_x86_64.whl
 </pre>
 
-
 GPU 支持：
 
 <pre>
-https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.4.0rc0-cp36-cp36m-linux_x86_64.whl
+https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.6.0-cp36-cp36m-linux_x86_64.whl
 </pre>
 
 注意 GPU 支持需要符合[NVIDIA 对运行 GPU 支持版本的 TensorFlow 的要求](#NVIDIARequirements)的软硬件要求。
@@ -585,6 +581,5 @@ TensorFlow pip 包依赖于 3.1 版本的 protobuf pip package。从 PyPI 下载
 
 <pre>[libprotobuf ERROR google/protobuf/src/google/protobuf/io/coded_stream.cc:207]
 一个 Protocol 信息由于过大而被拒绝（大于 67108864 字节).
-
-若想增加限制（或者关掉警告），见
+若想增加限制（或者关掉警告），详见
 CodedInputStream::SetTotalBytesLimit() in google/protobuf/io/coded_stream.h.</pre>