深度學習平臺TensorFlow環境搭建【GPU版】
阿新 • • 發佈:2019-01-05
系統 Ubuntu14.04.4 LTS x64
GPU NVIDIA GeForce GTX 750Ti
TensorFlow GPU版本首先需要安裝NVIDIA顯示卡驅動,並且需要CUDA以及cuDNN支援,這裡採用的顯示卡驅動版本為375.39,CUDA版本為8.0,cuDNN版本為5.1。具體安裝過程請見深度學習平臺Caffe環境搭建【GPU版】
安裝完成之後,開始搭建TensorFlow平臺。
首先安裝libcupti-dev library,官方給出的解釋為NVIDIA CUDA Profile Tools Interface。其實就是NVIDIA的一個庫。執行命令:
sudo apt-get install libcupti-dev
官方給出了4種安裝方法,因為電腦裡面已經裝有Caffe,為了避免產生衝突,這裡選擇使用virtualenv安裝,virtualenv是一個python管理工具,它可以建立一個獨立的python環境,程式執行在這裡面可以不受其他python library版本的影響。使用python 2.7,執行命令:
sudo apt-get install python-pip python-dev python-virtualenv
建立一個名為tensorflow的virtualenv環境
virtualenv --system-site-packages ~/tensorflow
啟用virtualenv環境
source ~/tensorflow/bin/activate
此時在命令列的最前面會出現(tensorflow),表示環境啟用成功。
接下來安裝TensorFlow GPU版本。
pip install --upgrade tensorflow-gpu
可能出現問題: Downloading/unpacking tensorflow-gpu Could not find any downloads that satisfy the requirement tensorflow-gpu Cleaning up... No distributions at all found for tensorflow-gpu Storing debug log for failure in /tmp/tmpmUPZAM
這是因為pip的版本過低,執行命令:
pip install -U pip
升級pip之後,再次執行TensorFlow GPU版本安裝命令。
安裝完成之後,執行deactivate關閉環境。
為了以後啟用tensorflow環境更加簡單,執行以下命令將tensorflow啟用命令寫入bash
sudo printf '\nalias tensorflow="source ~/tensorflow/bin/activate"' >>~/.bashrc
重新整理bash之後,鍵入tensorflow即可啟用tensorflow環境。
啟用tensorflow環境後開始測試。
進入python, 執行以下命令:
>>> import tensorflow as tf
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess = tf.Session()
>>> print(sess.run(hello))
Hello, TensorFlow!
>>> a = tf.constant(10)
>>> b = tf.constant(32)
>>> print(sess.run(a + b))
42
出現上述結果說明安裝成功。
執行測試demo
# encoding: utf-8
import tensorflow as tf
import numpy
import matplotlib.pyplot as plt
rng = numpy.random
learning_rate = 0.01
training_epochs = 1000
display_step = 50
# 資料集x
train_X = numpy.asarray([3.3,4.4,5.5,7.997,5.654,.71,6.93,4.168,9.779,6.182,7.59,2.167,
7.042,10.791,5.313,9.27,3.1])
# 資料集y
train_Y = numpy.asarray([1.7,2.76,3.366,2.596,2.53,1.221,1.694,1.573,3.465,1.65,2.09,
2.827,3.19,2.904,2.42,2.94,1.3])
n_samples = train_X.shape[0]
X = tf.placeholder("float")
Y = tf.placeholder("float")
W = tf.Variable(rng.randn(), name="weight")
b = tf.Variable(rng.randn(), name="bias")
pred = tf.add(tf.multiply(X, W), b)
cost = tf.reduce_sum(tf.pow(pred-Y, 2))/(2*n_samples)
optimizer = tf.train.GradientDescentOptimizer(learning_rate).minimize(cost)
init = tf.initialize_all_variables()
with tf.Session() as sess:
sess.run(init)
# 訓練資料
for epoch in range(training_epochs):
for (x, y) in zip(train_X, train_Y):
sess.run(optimizer, feed_dict={X: x, Y: y})
print "優化完成!"
training_cost = sess.run(cost, feed_dict={X: train_X, Y: train_Y})
print "Training cost=", training_cost, "W=", sess.run(W), "b=", sess.run(b), '\n'
#視覺化顯示
plt.plot(train_X, train_Y, 'ro', label='Original data')
plt.plot(train_X, sess.run(W) * train_X + sess.run(b), label='Fitted line')
plt.legend()
plt.show()
出現結果
至此tensorflow安裝結束,可以開始構建網路了。