別再使用pip安裝TensorFlow了！用conda吧～

選自towardsdatascience，作者：Michael Nguyen，機器之心編譯，參與：路雪、思源。

還在使用 pip 安裝 TensorFlow？試試 conda 吧，簡單方便安裝 TensorFlow，且能帶來更快的 CPU 性能。

conda 是一個開源包和環境管理系統，能夠跨平台運行，在 Mac、Windows 和 Linux 上都可以運行。如果你還沒用過 conda，我推薦你立刻開始使用，因為它會讓管理數據科學工具變得更輕鬆。

以下是使用 conda 而不用 pip 安裝 TensorFlow 的兩大原因：

更快的 CPU 性能

conda TensorFlow 包使用面向深度神經網路的英特爾數學核心函數庫（Intel MKL-DNN），我們從 TensorFlow 1.9.0 版本開始。該庫帶來了巨大的性能提升，詳見下圖：

圖源：https://www.anaconda.com/blog/developer-blog/tensorflow-in-anaconda/

如上所示，與 pip 安裝相比，conda 安裝可以帶來超過 8 倍的速度提升。這對於經常使用 CPU 進行訓練和推斷的人來說非常棒！作為一名機器學習工程師，我在將代碼 push 到 GPU 機器上之前，先使用 CPU 對代碼運行測試訓練。conda 安裝帶來的速度提升可以幫助快速迭代。我還在 CPU 上進行大量推斷，因此這有助於我的模型性能。

MKL 庫不僅加速 TensorFlow 包，還能加速其他廣泛使用的庫，如 NumPy、NumpyExr、SciPy 和 Scikit-Learn。

GPU 版本的安裝也更加簡單

conda 安裝將自動安裝 GPU 支持所需的 CUDA 和 CuDNN 庫。pip 安裝則需要手動安裝這些庫。人人喜歡一步到位，尤其是在下載與安裝庫這方面。

使用 pip 安裝 TensorFlow 時，GPU 支持所需的 CUDA 和 CuDNN 庫必須單獨手動安裝，增加了大量負擔。而使用 conda 安裝 GPU 加速版本的 TensorFlow 時，只需使用命令 conda install tensorflow-gpu，這些庫就會自動安裝成功，且版本與 tensorflow-gpu 包兼容。此外，conda 安裝這些庫的位置不會與通過其他方法安裝的庫的其他實例產生衝突。不管使用 pip 還是 conda 安裝 GPU 支持的 TensorFlow，NVIDIA 驅動程序都必須單獨安裝。

對於 TensorFlow 的多個版本，conda 包可使用多種 CUDA 版本。例如，對於 TensorFlow 1.10.0 版本，conda 包支持可用的 CUDA 8.0、9.0 和 9.2 庫。而 pip 包僅支持 CUDA 9.0 庫。在不支持 CUDA 庫最新版本的系統上運行時，這非常重要。最後，由於這些庫是通過 conda 自動安裝的，用戶可輕鬆創建多個環境，並對比不同 CUDA 版本的性能。

快速啟動

我希望以上兩個原因足以說服你轉而使用 conda。下面是使用 conda 安裝所需的步驟。

pip uninstall tensorflow

如果還沒有安裝 Anaconda 或 Miniconda，需要先安裝它們。Miniconda 僅安裝 conda 和一些依賴項，Anaconda 則會預安裝大量包。我更喜歡 Miniconda。使用 conda 安裝時，如果選擇 Anaconda，則伴隨 TensorFlow 同時安裝的還有 Anaconda 庫中的 1400 多個常用軟體包，它們會提供一個完整的數據科學環境。這些包安裝到單獨的 conda base 環境中，其內容不會影響到其他環境。

安裝好 conda 之後，嘗試以下命令：

conda install tensorflow

此外，如果你想要 GPU 版本，那麼將上面一行中的 tensorflow 換成 tensorflow-gpu。除了使 TensorFlow 更快、更易於使用之外，conda 還提供其他工具組，使得整合工作流變得更加簡單。我最喜歡的功能是虛擬環境。

• TensorFlowConda 安裝詳細參見：https://www.anaconda.com/blog/developer-blog/tensorflow-in-anaconda/
• MKL 優化方面的詳情參見：https://docs.anaconda.com/mkl-optimizations/。

最後，儘管 Anaconda 在官網上展示了使用 Conda 安裝的優勢與步驟，但 TensorFlow 官方網站尚未介紹使用 conda 進行安裝的方法：

原文鏈接：https://towardsdatascience.com/stop-installing-tensorflow-using-pip-for-performance-sake-5854f9d9eb0c

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！