出於性能考慮，請別使用pip安裝Tensorflow！

這幾天在TensorFlow模型接收base64編碼圖像這件事情上卡殼了，翻閱了不少資料，仍沒有找到圓滿解決方案。暫時放鬆一下，翻譯一篇文章，文章原題目爲：Stop Installing Tensorflow using pip for performance sake!，連接地址：towardsdatascience.com/stop-instal…

中止使用pip安裝Tensorflow！請改用conda。您還不知道conda是什麼？它是一個跨平臺運行的開源軟件包和環境管理系統，適用於Mac，Windows和Linux。若是您尚未使用conda，我建議您開始使它，由於它可讓您更加愉快地管理您的數據科學工具。

如下是使用conda而不是pip安裝Tensorflow的兩個很是重要的緣由。

CPU性能更快

conda Tensorflow軟件包從1.9.0版本開始，利用用於深度神經網絡的英特爾數學核心庫(MKL-DNN)。該庫提供了巨大的性能提高。這張圖表能證實！

圖表來自https://www.anaconda.com/blog/developer-blog/tensorflow-in-anaconda/

如圖所見，與pip安裝相比，conda安裝的Tensorflow性能可提供超過8倍的速度提高。對於常常使用CPU進行訓練和推理的人來講，這很是有用。做爲一名機器學習工程師，我使用CPU測試運行訓練代碼，而後將其推送到支持GPU的機器上。這種速度的提升幫助我更快地迭代。我儘量在CPU上作不少推理，因此這將有助於優化個人模型性能。

MKL庫不只能夠加速Tensorflow軟件包，還能夠加速其它普遍使用的庫，如NumPy、NumpyExr、SciPy和Scikit-Learn！

GPU版本安裝更簡單

conda會自動安裝GPU支持所需的CUDA和CuDNN庫，而pip安裝要求您手動執行此操做。每一個人都喜歡一步到位，特別是在下載庫的時候。

快速開始

我但願這兩個緣由足以讓您切換到使用conda。若是您肯定，從這一步開始。

pip uninstall tensorflow
複製代碼

若是你尚未安裝Anaconda或Miniconda，請安裝。Miniconda只是安裝conda和它的依賴，而Anaconda會預先安裝不少軟件包。我更傾向於使用Miniconda。安裝conda後試試這個。

conda install tensorflow
複製代碼

若是使用GPU的版本，請使用tensorflow-gpu替換tensorflow。

除了使得使用Tensorflow更快更簡單以外，conda還提供了其餘工具集，更易於集成到您的工做流程中。我最喜歡的一個特性是他們的虛擬環境功能。您能夠在此處閱讀有關conda和tensorflow的更多信息。這裏有更多關於MKL優化的信息。

但願這篇文章對您有幫助，感謝閱讀！