Linux配置Tensorflow

python linux tensorflow

Word count: 1.7kReading time: 6 min

 2018/02/04

套用TensorFlow中文社区的一句话：TensorFlow，一个用于人工智能的开源神器。

配置使用环境 - 系统：Ubuntu16.04(LTS) - python版本：python3.6（使用Anaconda建立虚拟环境） - Nvidia卡：Geforce 920M（如果没有Nvidia卡，则只能安装CPU版本）

Tensorflow安装

tensorflow分为两个CPU/GPU两个版本，我建立了两个python虚拟环境，分别安装了这两个版本。在此记录一下安装的痛苦过程

tensorflow CPU

建立虚拟环境

1 2	conda create -n tensorflow python=3.6 source activate tensorflow #进入虚拟环境

安装tensorflow CPU版本的安装还是比较简单的，直接使用pip安装即可

1	pip install tensorflow

若安装报错，可选择下载安装：到pypi选择相应版本下载,在文件放置路径下执行以下命令:

1 2	#这里文件名字以自己的为准 pip install tensorflow-1.6.0rc0-cp36-cp36m-manylinux1_x86_64.whl

验证安装

进入pytohn环境中,进行测试:

$ python

>>> import tensorflow as tf
>>> hello = tf.constant('Hello TensorFlow!')
>>> sess = tf.Session()
>>> print(sess.run(hello))
Hello Tensorflow!
>>> a = tf.constant(12)
>>> b = tf.constant(23)
>>> print(sess.run(a+b))
35
>>>

或导入tensorflow模块并运行sess = tf.Session()，输出大致如下：

tensorflow_cpu

至此，tensorflow CPU版本安装完成

tensorflow GPU

这将会是一个苦恼的过程，出错率很高，我折腾了两天才把这个GPU版本装上去了。

建立虚拟环境

1	conda create -n tensorflow_gpu python=3.6

安装tensorflow GPU版本之前要向安装GUDA和cuDNN。CUDA是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。它包含了CUDA指令集架构（ISA）以及GPU内部的并行计算引擎。cuDNN则是用于深度学习神经网络的GPU加速库，它强调性能、易用性和低内存开销。NVIDIA cuDNN可以集成到更高级别的机器学习框架中。

这里有个建议：

大家可以先将CUDA文档下载下来，但是不要急于安装，先将NVIDIA给出的官方指导手册仔细看一下，然后再找几篇好的博客看一下，大致了解一下CUDA的安装过程，对安装过程中可能出现的问题要大致有一个了解。

安装条件

验证电脑是否有支持CUDA的GPU:

在终端下输入命令lspci | grep -i nvidia，查看输出。如果没有输出，可以尝试update-pciids（该命令一般在/sbin目录下）更新一下电脑的PCI硬件数据库，之后再次输入之前的查询命令。最后输出类似下图，如果你的GPU是来自Nvidia制造商且在CUDA列表中，则表示你拥有一块支持CUDA的GPU。

lspci_nvidia

验证Linux版本是否支持CUDA:

用命令uname -m && cat /etc/*release可进行查看(ubuntu16.04受支持)

uname_cat

验证系统是否安装gcc:

输入命令gcc --version可查看gcc版本，若无安装，按终端提示进行安装即可。

验证系统是否安装了匹配的kernel header和package development：

uname -r命令可查看内核版本，之后可运行命令sudo apt-get install linux-headers-$(uname -r)进行安装，假如你已经安装了，终端会提示并终止安装。

linux_headers

以上各项均符合时，即可开始安装CUDA。

安装CUDA

CUDA提供两种安装方式：package manager安装和runfile安装。我在其他博客上看到大多数都选择使用runfile这种安装方式，我也尝试过几次，当最终都失败了，两天的安装时间，大部分都耗在安装CUDA上了。最后我选择package manager安装方式。

下载CUDA包：

首先在CUDA下载页面上选择CUDA版本,我选择的是CUDA 9.0版本

cuda_9_0

然后按照页面指示的安装步骤进行安装

cuda_install

页面中还有一个path1包是CUDA9.0的补丁,安装好CUDA9.0后可以使用dpkg -i命令进行安装

配置CUDA:

以上步骤结束后，还需要配置系统环境变量，用超级权限编辑家目录下的.bashrc文件，将以下内容添加至文件中，保存退出。

1 2	export PATH="/usr/local/cuda-9.0/bin${PATH:+:${PATH}}" export LD_LIBRARY_PATH="/usr/local/cuda-9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}"

之后用命令source ~/.bashrc重新载入该文件。

验证CUDA的安装

查看CUDA版本号：

在终端中输入nvcc --version查看输出，若输出为相应的版本号，可进行下一步骤，否则应该卸载并重新安装

卸载命令：

sudo /usr/local/cuda-9.0/bin/uninstall_cuda_9.0.pl（默认情况下，CUDA卸载脚本位于/usr/local/cuda-9.0/bin目录下）；

sudo /usr/bin/nvidia-uninstall 卸载nvidia驱动及其配置。

编译CUDA提供的例子：

一般情况下，CUDA提供的例子放在/usr/local/cuda-9.0/samples目录下，可以在该目录下进行编译，也可以将整个目录拷贝到其他地方进行编译。

在samples/下执行命令make进行编译，编译成功会显示Finished building CUDA samples

make_samples

编译好后，进入目录/samples/bin/x86_64/linux/release，执行./deviceQuery，结果大致如下：

deviceQuery

然后检查一下系统和CUDA-Capable device的连接情况，执行./bandwidthTest命令，输出结果大概如下：

bandwidthTest

若以上各项均通过，恭喜你，成功安装了CUDA！接下来是安装cuDNN

安装cuDNN

首先需要注册一个Nvidia官网帐号用于下载cuDNN包，之后选择相应的安装包下载（注意要适配所安装的CUDA版本）

cudnn_download

下载后用tar命令解压，解压后把相应的文件拷贝到对应的CUDA目录下即可

sudo cp cuda/include/cudnn.h /usr/local/cuda-9.0/include/
sudo cp cuda/lib64/libcudnn* /usr/local/cuda-9.0/lib64/
sudo chmod a+r /usr/local/cuda-9.0/include/cudnn.h
sudo chmod a+r /usr/local/cuda-9.0/lib64/libcudnn*

安装tensorflow GPU

进入虚拟环境：source activate tensorflow_gpu

可以到pypi选择相应版本下载，之后用pip install安装。

也可以直接用相应的安装包连接进行安装

1	$ pip install https://pypi.python.org/pypi/tensorflow-gpu/tensorflow_gpu-1.6.0rc0-cp36-cp36m-manylinux1_x86_64.whl

验证安装

在虚拟环境下的python中导入tensorflow模块并运行sess = tf.Session()，输出大致如下：

tf_session

OK了，漫长的tensorflow GPU版本安装就结束了，接下来可以实践那些神奇的人工智能算法啦！

致谢

QLULIBIN——Ubuntu 16.04 上安装 CUDA 9.0 详细教程

multiangle——ubuntu16.04下安装CUDA，cuDNN及tensorflow-gpu版本过程

安装过程可能会遇到的一些坑以及解决方法：

会思考的鱼——Ubuntu16.04安装NVIDIA显卡驱动和CUDA时的一些坑与解决方案

ycszen——Ubuntu安装NVIDIA驱动(咨询NVIDIA工程师的解决方案)

一些扩展内容：

ma_fighting——Ubuntu下如何查看CPU信息, 包括位数和多核信息

ZeroZone零域——NVIDIA GPU的计算能力 Compute Capability 一览

superPershing——Ubuntu系列切换Intel和NVIDIA显卡

Next Post

Ubuntu配置Django
Previous Post

Linux渗透测试命令

CATALOG

1. Tensorflow安装
1. 1.1. tensorflow CPU
2. 1.2. tensorflow GPU
2. 致谢