tensorflow编译及安装【tensorflow实战--笔记】

建议先安装Anaconda

一。CPU版本安装

    1.安装编译好的release版本

        1）使用pip安装即可，或者conda

    2.编译安装

        1）安装gcc（4.8~5.4）

        2）安装bazel（v0.43）

        3）下载Tensorflow 1.0.0-rc0的源码 wget https://github.com/tensorflow/archive/v1.0.0-rc0.tar.gz 解压 tar -xzvf v1.0.0-rc0.tar.gz

        4）cd tensorflow-1.0.0-rc0      ./configure

        5）接下来的输出要选择python路径，确保是ananconda的python路径即可

        6）选择CPU编译优化选项，默认的-march=native将选择本地CPU能支持的最佳配置，比如SSE4.2，AVX等，建议选择默认

        7）选择是否使用jemalloc作为默认的malloc实现（仅限Linux），建议选择默认

        8）选择是否开启对Google Could Platform的支持，通常选N

        9）是否需要支持Hadoop File System

        10）选择是否开启XLA JIT编译编译功能支持。选N

        11）选择python路径，依然选anaconda

        12）选择不需要GPU，即OpenCL和CUDA都选择N，之后可能需要下载一些依赖库，完成后configure就顺利完成了

        13）编译 bazel build --copt=-march=native -c opt //tensorflow/tools/pip_package:build_pip_package

        14）编译结束后，使用下面命令生成pip安装包：bazel-bin/tensorflow/tools/pip_package/build_pip_package /tmp/tensorflow_pkg

        15）最后使用pip命令安装Tensorflow：   pip install /tmp/tensorflow-1.0.0rc0-cp35-cp35m-linux_x86_64.whl

二。GPU安装

    1.release版本安装

        1）CUDA是NVIDA推出的使用GPU资源进行通用计算的SDK，CUDA的安装包里一般集成了显卡驱动，我们直接去官网下载NVIDA CUDA（https://developer.nvidia.com/cuda-toolkit）

        2）暂停当前NVIDA驱动的X server，如果是远程连接的LInux机器，可以使用：sudo init 3   命令关闭X server

        3）将CUDA安装包权限设置成可执行，并且安装程序： chmod u+x cuda_8.0.44_linux.run      

sudo ./cuda_8.0.44_linux.run

        4）按q跳过开头license说明，然后按y选择安装驱动程序

        5）按y选择CUDA安装路径，一般使用默认地址

        6）按n不选择安装CUDA samples，等待安装完成

        7）安装cuDNN，https://developer.nvidia.com/rdp/cudnn-download 下载cuDNN（需注册账号并等待审核）

        8）解压 cd /usr/local    sudo tar -xzvf ~/downloads/cudnn-8.0-linux-x64-v5.1.tgz  这样就完成安装cuDNN

        9）在系统环境里设置CUDA的路径：代码可见http://blog.csdn.net/dzdjt3104/article/details/70256581

        10）直接安装预编译版本代码可见：http://blog.csdn.net/dzdjt3104/article/details/70256581

    2.编译安装

        10）接上，和之前CPU一样，到是否支持CUDA这一步时按y

        11）指定gcc编译器，默认

        12）选择CUDA版本，CUDA安装路径，cuDNN版本，cuDNN安装路径，代码见tensorflow实战

        13）选择GPU的compute capability（CUDA的计算兼容性），比如，CTX 1080和Titan X 是6.1 而GTX 980 和旧版的GTX Titan X 是5.2

        14）配置完成，等待下载其他代码仓库，耐心等待

        15）编译，与CPU版本多了一个--config=cuda

        16）执行命令生成pip安装包，并进行pip安装