本文出自 掘金翻译计划 正在组织翻译的 TensorFlow 官方文档。如果您有兴趣，欢迎 申请成为译者，学习完译者教程后，参与到文章和文档的翻译和及对当中。我们也正在招募 TensorFlow 译者，欢迎积极参加。

TensorFlow 提供了 Go 程序中可以调用的 API。这些 API 非常适合加载 Python 创建的模型以及在 Go 应用中执行。本文将介绍如何安装和配置 TensorFlow Go 包。

警告： TensorFlow Go 语言 API 并不属于 TensorFlow API 稳定性保障。

支持的平台

你可以在下面的操作系统上安装 Go 版本 TensorFlow：

• Linux
• Mac OS X

安装

Go 版本 TensorFlow 依赖于 TensorFlow C 语言库。按照下面的步骤安装这个库并启用 TensorFlow：

1. 决定在运行 TensorFlow 时仅仅启用 CPU 还是和 GPU 一起启用。为了帮助你做这个决定，请阅读以下指南中的“决定安装哪个 TensorFlow ”部分：

   • @{在 Linux 中安装 TensorFlow}
   • @{在 macOS 中安装 TensorFlow}

2. 通过执行以下命令下载并解压 TensorFlow C 语言库到 /usr/local/lib 目录:

   TF_TYPE="cpu" # Change to "gpu" for GPU support
   TARGET_DIRECTORY='/usr/local'
   curl -L 
     "https://storage.googleapis.com/tensorflow/libtensorflow/libtensorflow-${TF_TYPE}-$(go env GOOS)-x86_64-1.4.0-rc0.tar.gz" |
   sudo tar -C $TARGET_DIRECTORY -xz
   复制代码

   tar 命令会解压 TensorFlow C 语言库到 TARGET_DIRECTORY 的子目录 lib。比如，指定 /usr/local 作为 TARGET_DIRECTORY 使得 tar 命令可以将 TensorFlow C 语言库解压到 /usr/local/lib。 如果你想把库文件解压到其他目录，更换 TARGET_DIRECTORY 就可以了。

3. 在第二步中，如果你指定了一个系统目录（比如 /usr/local）作为 TARGET_DIRECTORY，那么需要运行 ldconfig 来配置链接。例如：

   sudo ldconfig

   如果你指定的 TARGET_DIRECTORY 不是一个系统目录（比如 ~/mydir），那么你必须要将这个解压目录（比如 ~/mydir/lib）添加到下面这两个环境变量中：

    export LIBRARY_PATH=$LIBRARY_PATH:~/mydir/lib # 用于 Linux 和 Mac OS X
   export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:~/mydir/lib # 仅用于 Linux
   export DYLD_LIBRARY_PATH=$DYLD_LIBRARY_PATH:~/mydir/lib # 仅用于 Mac OS X

4. 现在 TensorFlow C 语言库已经安装好了，执行 go get 来下载对应的包和相应的依赖：

   go get github.com/tensorflow/tensorflow/tensorflow/go

5. 执行 go test 来验证 Go 版本 TensorFlow 是否安装成功：

   go test github.com/tensorflow/tensorflow/tensorflow/go

如果 go get 或者 go test 产生错误信息了，可以在 StackOverflow 上通过搜索和提问来获取可能的解决方法。

Hello World

安装完 Go 版本 TensorFlow 之后，在 hello_tf.go 文件中输入下面的代码：

package main

import (
	tf "github.com/tensorflow/tensorflow/tensorflow/go"
	"github.com/tensorflow/tensorflow/tensorflow/go/op"
	"fmt"
)

func main() {
	// Construct a graph with an operation that produces a string constant.
	s := op.NewScope()
	c := op.Const(s, "Hello from TensorFlow version " + tf.Version())
	graph, err := s.Finalize()
	if err != nil {
		panic(err)
	}

	// Execute the graph in a session.
	sess, err := tf.NewSession(graph, nil)
	if err != nil {
		panic(err)
	}
	output, err := sess.Run(nil, []tf.Output{c}, nil)
	if err != nil {
		panic(err)
	}
	fmt.Println(output[0].Value())
}
复制代码

关于 TensorFlow Go 语言的进阶示例请查看 example in the API documentation，这个例子使用了一个通过 TensorFlow 预训练的模型来标记图片的内容。

运行

通过调用下面的命令来运行 hello_tf.go：

go run hello_tf.go
Hello from TensorFlow version number

这个程序可能会输出类似下面的警告信息，你可以忽略它们：

W tensorflow/core/platform/cpu_feature_guard.cc:45] The TensorFlow library
wasn't compiled to use *Type* instructions, but these are available on your
machine and could speed up CPU computations.

使用源码编译

TensorFlow 是开源的。你可以按照这个单独的文档中的指引使用 TensorFlow 的源码来编译 Go 版本 TensorFlow 。

掘金翻译计划 是一个翻译优质互联网技术文章的社区，文章来源为 掘金 上的英文分享文章。内容覆盖 Android、iOS、前端、后端、区块链、产品、设计、人工智能等领域，想要查看更多优质译文请持续关注 掘金翻译计划、官方微博、知乎专栏。