本文共 3146 字，大约阅读时间需要 10 分钟。

tensorflow离线安装是一件麻烦的事情，首先需要确定tensorflow安装包兼容当前环境，其次是依赖库较多且库版本需适配。

接下来，我们在一台有网络的centos服务器系统内下载依赖库并完成适配。

目录

内容

1. 下载tensorflow安装包

  首先，我们需要确定安装tensorflow的哪个版本，比如1.14.0的cpu版本，或是2.3.0的gpu版本。接下来，我们以1.14.0的cpu版本做示例。

1.1 确认python版本

图1 python支持版本

  在控制台中输入： whereis python 或 which python，如果有关于python的信息，继续输入 python -v，可以得到python版本信息(比如 Python 3.6.8)，参考图1。

  现在我们根据版本号，寻找对应的安装包(比如 centos8系统 Python 3.6.8版本)：

      cpu版本选择tensorflow-XXXX-cp36-cp36m-linux_x86_64.whl；       gpu版本选择tensorflow_gpu-XXXX-cp36-cp36m-linux_x86_64.whl。

1.2 配置venv

  tensorflow安装包及依赖库都是通过pip指令执行安装或卸载，接下来，我们配置venv环境。

1. 首先创建个文件夹，比如在当前用户下创建python_venv (mkdir python_venv)	2. cd python_venv	3. python3 -m venv venv  	4. source venv/bin/activate 	说明：步骤3.导出python3自带的venv环境到/home/当前用户/python_venv/venv文件夹内；步骤4.读取并执行venv环境。         每次启动新的控制台都需要执行步骤4.(读取并执行venv环境)，也可以把步骤4.内容写入当前用户的.bashrc文件中，之后不用手动执行步骤4.。	.bashrc追加信息：		echo "source /home/lk/python_venv/venv/bin/activate" >> ~/.bashrc

1.3 自动获取(安装)tensorflow指定版本

  为了确保tensorflow安装包可用(或者自动安装指定版本)，可以通过pip指令完成这部分工作。

控制台输入(已执行venv环境)：

cpu版本： pip install  tensorflow==1.14.0 或 pip install  tensorflow-cpu==1.14.0 (部分版本指定-cpu可能找不到)	  gpu版本： pip install  tensorflow-gpu==1.14.0

图2 自动获取(安装)tensorflow

  参考图2，当执行上述类似指令时，Downloading处可以看到下载地址和安装包名称，我们可以通过这个安装包名称到相关网址下载即可。

2. 离线适配依赖库

  现在tensorflow安装包已经确定了，接下来进行适配依赖库，这个过程相当繁琐，其中的某个库可能需要换好几次版本。

2.1 网络配置

  pip指令安装tensorflow时自动安装依赖库，我们在安装前需要断开网络，然后根据缺库提示到相关网址下载下来，然后安装即可。

2.2 适配依赖库

  接下来进入正题，开始适配：

输入： pip install tensorflow-1.14.0-cp36-cp36m-manylinux1_x86_64.whl

图3 tensorflow适配过程

  参考图3，我们在关网的情况下安装tensorflow-1.14.0，提示“找不到满足需求的keras-preprocessing>=1.0.5”。接下来我们到 https://pypi.tuna.tsinghua.edu.cn/simple/ 中寻找大于等于1.0.5的库：

      根据网址加库名拼成：https://pypi.tuna.tsinghua.edu.cn/simple/keras-preprocessing，在这里我们选择Keras_Preprocessing-1.0.5-py2.py3-none-any.whl。

继续关网安装： pip install Keras_Preprocessing-1.0.5-py2.py3-none-any.whl

图4 Keras_Preprocessing适配过程1

  参考图4，Keras_Preprocessing依赖numpy库(大于等于1.9.1)，只好寻找numpy库了：

      根据网址加库名拼成：https://pypi.tuna.tsinghua.edu.cn/simple/numpy，在这里我们选择numpy-1.18.0-cp36-cp36m-manylinux1_x86_64.whl。numpy安装过程省略…

图5 numpy安装

  参考图5，numpy库安装成功了，现在我们继续安装Keras_Preprocessing：

图6 Keras_Preprocessing适配过程2

  参考图6，这次依赖six(大于等于1.9.0)，寻找six库…

  然后是h5py，Keras_Applications，再次安装Keras_Preprocessing：

图7 Keras_Preprocessing适配完成

  安装了几个依赖库后，Keras_Preprocessing也终于安装成功。

  接下来还有好多库需要安装，这里就不一 一列举了，下面贴上所有依赖库的安装顺序：

numpy-1.18.0-cp36-cp36m-manylinux1_x86_64.whl	six-1.12.0-py2.py3-none-any.whl	h5py-2.9.0-cp36-cp36m-manylinux1_x86_64.whl	Keras_Applications-1.0.6-py2.py3-none-any.whl	Keras_Preprocessing-1.0.5-py2.py3-none-any.whl	protobuf-3.6.1-cp36-cp36m-manylinux1_x86_64.whl	grpcio-1.8.6-cp36-cp36m-manylinux1_x86_64.whl	gast-0.2.0.tar.gz	wrapt-1.12.0.tar.gz	pyparsing-2.0.3-py2.py3-none-any.whl	packaging-20.2-py2.py3-none-any.whl	wheel-0.35.0-py2.py3-none-any.whl	Werkzeug-1.0.0-py2.py3-none-any.whl	setuptools-49.5.0-py3-none-any.whl	Markdown-2.6.11-py2.py3-none-any.whl	absl-py-0.8.0.tar.gz	tensorboard-1.14.0-py3-none-any.whl	astor-0.6.1-py2.py3-none-any.whl	tensorflow_estimator-1.14.0rc0-py2.py3-none-any.whl	termcolor-1.1.0.tar.gz	google_pasta-0.2.0-py3-none-any.whl

  这些库安装完成后，tensorflow就能成功安装和使用了。依赖库按照这个顺序可以制作成rpm包在断网的电脑上使用。

  依赖库下载地址：

转载地址：https://lkyof.blog.csdn.net/article/details/108937468 如侵犯您的版权，请留言回复原文章的地址，我们会给您删除此文章，给您带来不便请您谅解！