ubuntu16.04下安装TensorFlow(GPU加速)----详细图文教程

来源:互联网 发布:c语言包括哪些 编辑:程序博客网 时间:2024/04/30 10:55

转自:http://blog.csdn.net/zhaoyu106/article/details/52793183


写在前面

一些废话

接触深度学习已经有一段时间,之前一直在windows下使用Theano,但是发现Theano天书般的源码真是头大,在看到tensorflow中文教程后,发现它竟然逻辑清晰,教程丰富,实在是居家旅行必备良药啊![偷笑][偷笑][偷笑]

所以决定利用国庆假期学习ubuntu和TensorFlow的安装,结果入坑无数,同时搞坏了一块1T硬盘(花了450大洋啊,心在滴血…)。初步估算,整个安装过程耗时10.2-10.11,共10天(除去玩的几天,应该有1周时间在配置),安装windows 5+次,安装ubuntu 20+次,请叫我装机小能手。。。这主要原因是:我是小白,我的笔记本太奇葩,网上教程太混乱。

为了减少以后各位的入坑时间,把更多的精力放在Deep Learning的学习上,也为了纪念我这么多天的辛苦,所以献上超级无敌吊炸天的终极TensorFlow安装教程!

插播广告

欢迎fork我的github:https://github.com/zhaoyu611 
QQ: 3062984605 
Email: zhaoyuafeu@gmail.com

配置

硬件:Thunderbot 911笔记本,CPU:i7,GPU :GeForce GTX 960m, 8G内存,120G SSD+1T 机械硬盘。 
软件: ubuntu16.04+cuda8.0+cudnn v5+tensorflow 0.11


1. 下载

1.1 系统镜像

由于我尝试了ubuntu14.04,安装Nvidia驱动之后,会出现循环登录的问题,并始终无法找到有效的解决途径,所以只能选择ubuntu16.04了。 
镜像地址 https://www.ubuntu.com/download/alternative-downloads 

你的文字

1.2 CUDA 8.0

https://developer.nvidia.com/cuda-downloads(下载地址) 
说明: 
(1)在NVIDIA的CUDA下载页面下,选择要使用的CUDA版本进行下载。 
(2)我们这里使用CUDA8.0(页面有提示GTX1070、GTX1080支持8.0版本),学员如果没有使用以上两个版本的GPU,可以下载CUDA7.5。DOWNLOAD(下载)。 
(3)下载需要注册。 
(4)图解选择 

这里写图片描述

1.3 cuDNN v5

下载地址: https://developer.nvidia.com/cudnn(需要登录) 
说明: 
(1)下载需要填写一个调查问卷,就三个选项,建议认真填写,毕竟人家免费给咱使用。 
(2)填写完毕点击 I Agree To 前面的小方框,出现如下: 

这里写图片描述

1.4 Tensorflow 0.11

tensorflow github上面提到 4 种安装方式,本教程使用 第四种 源码安装 
Virtualenv installation 
Anaconda installation 
Docker installation 
Installing from sources 
https://github.com/tensorflow/tensorflow(下载地址) 
说明: 
(1)打开下载页面,往下翻,直到下图这个位置: 

这里写图片描述

(2) 点击Python 2开始下载。

最后,将1.2-1.4中下载文件全部存放至自己的移动硬盘/U盘内,等待安装时候使用。

2. 安装ubuntu16.04 LTS 系统

安装Ubuntu16.04: 
http://jingyan.baidu.com/article/eb9f7b6d8536a8869364e813.html 
说明: 
(1)我们直接安装的英文原版系统,语言也是选择英文的。 
(2)上述链接在–第三步:安装类型上选择的是–自定义。我们选择的是–清除整个磁盘并且安装,如果你有Windows系统,还会提示安装Ubuntu16.04与Windows并存模式。这个自行选择,切记!这个地方谨慎选择。 
(3)感谢百度经验上传者!

3. 安装NVIDIA驱动

打开terminal输入以下指令:

sudo apt-get update
  • 1
  • 1

然后在系统设置->软件更新->附加驱动->选择nvidia最新驱动(361)->应用更改

3. cuda 8.0

3.1 安装cuda

在cuda所在目录打开terminal依次输入以下指令:

cd  /home/***(自己的用户名)/Desktop/###(这个命令意思是找到刚刚我们用U盘传过来的文件)sudo dpkg -i cuda-repo-ubuntu1604-8-0-rc_8.0.27-1_amd64​.debsudo apt-get updatesudo apt-get install cuda​
  • 1
  • 2
  • 3
  • 4
  • 1
  • 2
  • 3
  • 4

3.2 gcc降版本

ubuntu的gcc编译器是5.4.0,然而cuda8.0不支持5.0以上的编译器,因此需要降级,把编译器版本降到4.9: 
在terminal中执行:

sudo apt-get install g++-4.9sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-4.9 20sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-5 10sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-4.9 20sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-5 10sudo update-alternatives --install /usr/bin/cc cc /usr/bin/gcc 30sudo update-alternatives --set cc /usr/bin/gccsudo update-alternatives --install /usr/bin/c++ c++ /usr/bin/g++ 30sudo update-alternatives --set c++ /usr/bin/g++
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9

3. 安装cuDNN

打开terminal依次输入以下指令:

cd  /home/***(自己的用户名)/Desktop/###(这个命令意思是找到刚刚我们用U盘传过来的文件)tar xvzf cudnn-8.0-linux-x64-v5.1-ga.tgz###(解压这个文件)sudo cp cuda/include/cudnn.h /usr/local/cuda/include###(复制)sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64###(复制)sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*
  • 1
  • 2
  • 3
  • 4
  • 5
  • 1
  • 2
  • 3
  • 4
  • 5

4. 安装其他依赖

4.1 配置环境变量

这里写图片描述
按照上图的教程,在terminal中输入以下命令:

sudo gedit ~/.bash_profile #打开.bash_profile
  • 1
  • 1

然后在打开的文本末尾加入:

export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64"export CUDA_HOME=/usr/local/cuda
  • 1
  • 2
  • 1
  • 2

继续在terminal中输入:

source ~/.bash_profile #使更改的环境变量生效
  • 1
  • 1

当然,也有其他教程在文件~/.bashrc文件中写入的,方法与上面的类似。如果在后面配置./config文件出现问题时,可以实现这个方法。

4.2 安装其他库

https://github.com/tensorflow/tensorflow/blob/master/tensorflow/g3doc/get_started/os_setup.md
我们是在github的Tensorflow官方网页上,根据提示安装,地址如上。 
按步骤截图如下 
这里写图片描述
在terminal中输入以下命令:

sudo apt-get install python-pip python-dev 
  • 1
  • 1

4. 安装Bazel

4.1 安装Bazel依赖

由于本教程使用tensorflow源码编译/安装,所以需要使用 bazel build。 
链接:https://www.bazel.io/versions/master/docs/install.html 
这里写图片描述 
在terminal中依次输入以下1-7的命令 
这里写图片描述

4.2 安装Bazel

之后回到之前的Tensorflow安装教程页面:https://github.com/tensorflow/tensorflow/blob/master/tensorflow/g3doc/get_started/os_setup.md
这里写图片描述
点击链接: installer for your system,跳转到Bazel的下载页面: 
这里写图片描述
下载bazel-0.3.2-installer-linux-x86_64.sh到桌面,然后在terminal中输入以下命令

cd  /home/***(自己的用户名)/Desktop/###(这个命令意思是找到刚刚我们用U盘传过来的文件)chmod +x PATH_TO_INSTALL.SH #对.sh文件授权./PATH_TO_INSTALL.SH --user #运行.sh文件
  • 1
  • 2
  • 3
  • 1
  • 2
  • 3

4.3 安装第三方库

在terminal中输入以下命令

sudo apt-get install python-numpy swig python-dev python-wheel #安装第三方库sudo apt-get install gitgit clone git://github.com/numpy/numpy.git numpy 
  • 1
  • 2
  • 3
  • 1
  • 2
  • 3

5. 安装tensorflow

5.1 下载tensorflow

在terminal中输入以下命令

git clone https://github.com/tensorflow/tensorflow
  • 1
  • 1

特别注意,我使用的是tensorflow 0.11版本,该版本要求cuda 7.5 以上,cuDNN v5。 
默认下载目录是在/home下

5.2 配置tensorflow

还是刚刚的网址 
https://github.com/tensorflow/tensorflow/blob/master/tensorflow/g3doc/get_started/os_setup.md

在terminal中输入以下命令:

cd ~/tensorflow #切换到tensorflow文件夹./configure #执行configure文件
  • 1
  • 2
  • 1
  • 2

然后按照下图选项进行操作: 
这里写图片描述

5.3 创建pip

这里写图片描述
在terminal中输入以下命令:

bazel build -c opt //tensorflow/tools/pip_package:build_pip_packagebazel build -c opt --config=cuda //tensorflow/tools/pip_package:build_pip_packagebazel-bin/tensorflow/tools/pip_package/build_pip_package /tmp/tensorflow_pkgsudo pip install /home/***(你自己的用户名)/Desktop/tensorflow-0.10.0-cp2-none-any.whl
  • 1
  • 2
  • 3
  • 4
  • 1
  • 2
  • 3
  • 4

5.4 设置tensorflow环境

这里写图片描述

bazel build -c opt //tensorflow/tools/pip_package:build_pip_package # To build with GPU support:bazel build -c opt --config=cuda //tensorflow/tools/pip_package:build_pip_packagemkdir _python_buildcd _python_buildln -s ../bazel-bin/tensorflow/tools/pip_package/build_pip_package.runfiles/org_tensorflow/* .ln -s ../tensorflow/tools/pip_package/* .python setup.py develop
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8

这样就大功告成啦~!!!

6. 测试tensorflow

这里进行测试,如果你能跟我看到同样的画面,那恭喜你成功配置GPU版的tensorflow啦! 
这里写图片描述
这里写图片描述
跑这个例子,会出现很多提示,如果你在运行过程中发现自己的显卡型号,并提示成功调用cuda库,并每次step小于100ms,说明成功,否则就检查下哪里出现问题吧~ 
下面就尽情调戏tensorflow啦! 
这里给出很有意思的教程链接:http://m.blog.csdn.net/article/details?hmsr=toutiao.io&id=52658965&utm_medium=toutiao.io&utm_source=toutiao.io 
用tensorflow实现梵高作画。

7. 常见问题

7.1循环登录

在ubuntu14.04安装N卡驱动后,会出现无法显示登录界面或者循环登录的问题。这主要是显卡不兼容,具体解决思路可以参考google上的解决方案,关键词 ubuntu login loop。 
经过测试,网上的教程对我都不适用,无奈转向ubuntu16.04

7.2 缺少第三方库

因为这个教程是我安装成功之后写的,其中难免遗忘某些库的安装,例如Git、pip这些库,安装过程很简单,具体可以google。

7.3 tensorflow配置问题

在执行./configure 或者设置tensorflow环境时,如果出现无法找到某个库的路径,那么检查是否正确的设置了cuda的环境变量,具体参考 4.1节。

7.4 cuda8.0不支持gcc 5.3以上版本

这里写图片描述
这个问题可以通过对gcc降版本解决。相关连接 http://m.blog.csdn.net/article/details?id=51999566

7.5 测试tensorflow时出现IOError

在测试tensorflow中,执行

python convolutional.py
  • 1
  • 1

出现 IOError错误,这是由于convolutional.py中需要从网上下载MNIST数据库。如果出现错误,那么重新执行Python convolutional.py命令,或者手动从网站下载数据库并放在相应文件夹就好啦。


阅读全文
0 0