[譯] 出於效能考慮，請別使用 pip 安裝 TensorFlow
這幾天在TensorFlow模型接收base64編碼影象這件事情上卡殼了，翻閱了很多資料，仍沒有找到圓滿解決方案。暫時放鬆一下，翻譯一篇文章，文章原題目為：Stop Installing Tensorflow using pip for performance sake!，連結地址：https://towardsdatascience.com/stop-installing-tensorflow-using-pip-for-performance-sake-5854f9d9eb0c
停止使用pip安裝Tensorflow！請改用conda。您還不知道conda是什麼？它是一個跨平臺執行的開源軟體包和環境管理系統，適用於Mac，Windows和Linux。如果您還沒有使用conda，我建議您開始使它，因為它可以讓您更加愉快地管理您的資料科學工具。
以下是使用conda而不是pip安裝Tensorflow的兩個非常重要的原因。
CPU效能更快
conda Tensorflow軟體包從1.9.0版本開始，利用用於深度神經網路的英特爾數學核心庫(MKL-DNN)。該庫提供了巨大的效能提升。這張圖表能證明！
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效能可提供超過8倍的速度提升。對於經常使用CPU進行訓練和推理的人來說，這非常有用。作為一名機器學習工程師，我使用CPU測試執行訓練程式碼，然後將其推送到支援GPU的機器上。這種速度的提高幫助我更快地迭代。我儘可能在CPU上做很多推理，所以這將有助於優化我的模型效能。
MKL庫不僅可以加速Tensorflow軟體包，還可以加速其它廣泛使用的庫，如NumPy、NumpyExr、SciPy和Scikit-Learn！
GPU版本安裝更簡單
conda會自動安裝GPU支援所需的CUDA和CuDNN庫，而pip安裝要求您手動執行此操作。每個人都喜歡一步到位，特別是在下載庫的時候。
快速開始
我希望這兩個原因足以讓您切換到使用conda。如果您確定，從這一步開始。
pip uninstall tensorflow
如果你還沒有安裝Anaconda或Miniconda，請安裝。Miniconda只是安裝conda和它的依賴，而Anaconda會預先安裝很多軟體包。我更傾向於使用Miniconda。安裝conda後試試這個。
conda install tensorflow
如果使用GPU的版本，請使用tensorflow-gpu替換tensorflow。
除了使得使用Tensorflow更快更簡單之外，conda還提供了其他工具集，更易於整合到您的工作流程中。我最喜歡的一個特性是他們的虛擬環境功能。您可以在此處閱讀有關conda和tensorflow的更多資訊。這裡有更多關於MKL優化的資訊。
希望這篇文章對您有幫助，感謝閱讀！
