寫在前面

一些廢話

接觸深度學習已經有一段時間，之前一直在windows下使用Theano，但是發現Theano天書般的原始碼真是頭大，在看到tensorflow中文教程後，發現它竟然邏輯清晰，教程豐富，實在是居家旅行必備良藥啊![偷笑][偷笑][偷笑]

所以決定利用國慶假期學習ubuntu和TensorFlow的安裝，結果入坑無數，同時搞壞了一塊1T硬碟(花了450大洋啊，心在滴血…)。初步估算，整個安裝過程耗時10.2-10.11，共10天(除去玩的幾天，應該有1周時間在配置)，安裝windows 5+次，安裝ubuntu 20+次，請叫我裝機小能手。。。這主要原因是：我是小白，我的筆記本太奇葩，網上教程太混亂。

為了減少以後各位的入坑時間，把更多的精力放在Deep Learning的學習上，也為了紀念我這麼多天的辛苦，所以獻上超級無敵吊炸天的終極TensorFlow安裝教程！

配置

硬體：Thunderbot 911筆記本，CPU：i7，GPU ：GeForce GTX 960m， 8G記憶體，120G SSD+1T 機械硬碟。
軟體： ubuntu16.04+cuda8.0+cudnn v5+tensorflow 0.11

1. 下載

1.1 系統映象

由於我嘗試了ubuntu14.04，安裝Nvidia驅動之後，會出現迴圈登入的問題，並始終無法找到有效的解決途徑，所以只能選擇ubuntu16.04了。
映象地址

https://www.ubuntu.com/download/alternative-downloads

1.2 CUDA 8.0

https://developer.nvidia.com/cuda-downloads（下載地址）
說明：
（1）在NVIDIA的CUDA下載頁面下，選擇要使用的CUDA版本進行下載。
（2）我們這裡使用CUDA8.0（頁面有提示GTX1070、GTX1080支援8.0版本），學員如果沒有使用以上兩個版本的GPU，可以下載CUDA7.5。DOWNLOAD（下載）。
（3）下載需要註冊。
（4）圖解選擇

1.3 cuDNN v5

下載地址： https://developer.nvidia.com/cudnn

（需要登入）
說明：
（1）下載需要填寫一個調查問卷，就三個選項，建議認真填寫，畢竟人家免費給咱使用。
（2）填寫完畢點選 I Agree To 前面的小方框，出現如下：

1.4 Tensorflow 0.11

tensorflow github上面提到 4 種安裝方式，本教程使用 第四種 原始碼安裝
Virtualenv installation
Anaconda installation
Docker installation
Installing from sources
https://github.com/tensorflow/tensorflow（下載地址）
說明：
（1）開啟下載頁面，往下翻，直到下圖這個位置：

（2） 點選Python 2開始下載。

最後，將1.2-1.4中下載檔案全部存放至自己的行動硬碟/U盤內，等待安裝時候使用。

2. 安裝ubuntu16.04 LTS 系統

安裝Ubuntu16.04：
http://jingyan.baidu.com/article/eb9f7b6d8536a8869364e813.html
說明：
（1）我們直接安裝的英文原版系統，語言也是選擇英文的。
（2）上述連結在–第三步：安裝型別上選擇的是–自定義。我們選擇的是–清除整個磁碟並且安裝，如果你有Windows系統，還會提示安裝Ubuntu16.04與Windows並存模式。這個自行選擇，切記！這個地方謹慎選擇。
（3）感謝百度經驗上傳者！

3. 安裝NVIDIA驅動

開啟terminal輸入以下指令:

sudo apt-get update

然後在系統設定->軟體更新->附加驅動->選擇nvidia最新驅動(361)->應用更改

3. cuda 8.0

3.1 安裝cuda

在cuda所在目錄開啟terminal依次輸入以下指令：

cd  /home/***(自己的使用者名稱)/Desktop/###(這個命令意思是找到剛剛我們用U盤傳過來的檔案)
sudo dpkg -i cuda-repo-ubuntu1604-8-0-rc_8.0.27-1_amd64​.deb
sudo apt-get update
sudo apt-get install cuda​

3.2 gcc降版本

ubuntu的gcc編譯器是5.4.0，然而cuda8.0不支援5.0以上的編譯器，因此需要降級，把編譯器版本降到4.9：
在terminal中執行：

sudo apt-get install g++-4.9
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-4.9 20
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-5 10
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-4.9 20
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-5 10
sudo update-alternatives --install /usr/bin/cc cc /usr/bin/gcc 30
sudo update-alternatives --set cc /usr/bin/gcc
sudo update-alternatives --install /usr/bin/c++ c++ /usr/bin/g++ 30
sudo update-alternatives --set c++ /usr/bin/g++

3. 安裝cuDNN

開啟terminal依次輸入以下指令：

cd  /home/***(自己的使用者名稱)/Desktop/###(這個命令意思是找到剛剛我們用U盤傳過來的檔案)
tar xvzf cudnn-8.0-linux-x64-v5.1-ga.tgz###（解壓這個檔案）
sudo cp cuda/include/cudnn.h /usr/local/cuda/include###（複製）
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64###（複製）
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*

4. 安裝其他依賴

4.1 配置環境變數

按照上圖的教程，在terminal中輸入以下命令：

sudo gedit ~/.bash_profile #開啟.bash_profile

然後在開啟的文字末尾加入：

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

繼續在terminal中輸入:

source ~/.bash_profile #使更改的環境變數生效

當然，也有其他教程在檔案~/.bashrc檔案中寫入的，方法與上面的類似。如果在後面配置./config檔案出現問題時，可以實現這個方法。

4.2 安裝其他庫

sudo apt-get install python-pip python-dev 

4. 安裝Bazel

4.1 安裝Bazel依賴

4.2 安裝Bazel

cd  /home/***(自己的使用者名稱)/Desktop/###(這個命令意思是找到剛剛我們用U盤傳過來的檔案)
chmod +x PATH_TO_INSTALL.SH #對.sh檔案授權
./PATH_TO_INSTALL.SH --user #執行.sh檔案

4.3 安裝第三方庫

在terminal中輸入以下命令

sudo apt-get install python-numpy swig python-dev python-wheel #安裝第三方庫
sudo apt-get install git
git clone git://github.com/numpy/numpy.git numpy 

5. 安裝tensorflow

5.1 下載tensorflow

在terminal中輸入以下命令

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

特別注意，我使用的是tensorflow 0.11版本，該版本要求cuda 7.5 以上，cuDNN v5。
預設下載目錄是在/home下

5.2 配置tensorflow

在terminal中輸入以下命令：

cd ~/tensorflow #切換到tensorflow資料夾
./configure #執行configure檔案

然後按照下圖選項進行操作：

5.3 建立pip

在terminal中輸入以下命令：

bazel build -c opt //tensorflow/tools/pip_package:build_pip_package
bazel build -c opt --config=cuda //tensorflow/tools/pip_package:build_pip_package
bazel-bin/tensorflow/tools/pip_package/build_pip_package /tmp/tensorflow_pkg
sudo pip install /home/***（你自己的使用者名稱）/Desktop/tensorflow-0.10.0-cp2-none-any.whl

5.4 設定tensorflow環境

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_package
mkdir _python_build
cd _python_build
ln -s ../bazel-bin/tensorflow/tools/pip_package/build_pip_package.runfiles/org_tensorflow/* .
ln -s ../tensorflow/tools/pip_package/* .
python setup.py develop

這樣就大功告成啦~！！！

6. 測試tensorflow

這裡進行測試，如果你能跟我看到同樣的畫面，那恭喜你成功配置GPU版的tensorflow啦！


跑這個例子，會出現很多提示，如果你在執行過程中發現自己的顯示卡型號，並提示成功呼叫cuda庫，並每次step小於100ms，說明成功，否則就檢查下哪裡出現問題吧~
下面就盡情調戲tensorflow啦！
這裡給出很有意思的教程連結：http://m.blog.csdn.net/article/details?hmsr=toutiao.io&id=52658965&utm_medium=toutiao.io&utm_source=toutiao.io
用tensorflow實現梵高作畫。

7. 常見問題

7.1迴圈登入

在ubuntu14.04安裝N卡驅動後，會出現無法顯示登入介面或者迴圈登入的問題。這主要是顯示卡不相容，具體解決思路可以參考google上的解決方案，關鍵詞 ubuntu login loop。
經過測試，網上的教程對我都不適用，無奈轉向ubuntu16.04

7.2 缺少第三方庫

因為這個教程是我安裝成功之後寫的，其中難免遺忘某些庫的安裝，例如git、pip這些庫，安裝過程很簡單，具體可以google。

7.3 tensorflow配置問題

在執行./configure 或者設定tensorflow環境時，如果出現無法找到某個庫的路徑，那麼檢查是否正確的設定了cuda的環境變數，具體參考 4.1節。

7.4 cuda8.0不支援gcc 5.3以上版本

7.5 測試tensorflow時出現IOError

在測試tensorflow中，執行

python convolutional.py

出現 IOError錯誤，這是由於convolutional.py中需要從網上下載MNIST資料庫。如果出現錯誤，那麼重新執行python convolutional.py命令，或者手動從網站下載資料庫並放在相應資料夾就好啦。

8. 經驗與總結

1. google是最好的老師！
2. 感謝七月在線團隊的無私幫助： qq群：472899334
3. 失敗是成功之母，經過這麼多次嘗試，以後的配置應該都不是問題啦
4. 歡迎聯絡我的QQ： 3062984605
5. 歡迎留言補充或討論

9. 參考文獻

利用pip安裝方法 ##(版權歸屬： QQ 1395569872)

Ubuntu16.04從U盤安裝純淨單系統

Ubuntu16.04安裝NVIDIA顯示卡官方驅動
1.點桌面左上角搜尋本機程式的圖示，找到“附加驅動”
2.在“附加驅動”裡，系統會自動搜尋N卡驅動，列表裡會提供對應你顯示卡的最新版官方驅動。例如我的顯示卡是GT730，選擇第一項361.42就可以了。
3.最後點“應用更改”，等待安裝完畢即可。

安裝CUDA【Debian安裝】
1、下載安裝
進入下載檔案所在目錄，執行下列命令：

$ sudo dpkg --install cuda-repo-ubuntu1604-8-0-local_8.0.44-1_amd64.deb
$ sudo apt-get update
$ sudo apt-get install cuda

$ tar xvzf cudnn-8.0-linux-x64-v5.1.tgz
$ sudo cp cuda/include/cudnn.h /usr/local/cuda/include
$ sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64

退到根目錄，執行下面語句：

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

2、配置環境變數：
在terminal根目錄中輸入以下命令：

$ sudo gedit ~/.bash_profile

然後在開啟的文字末尾加入：

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

繼續在terminal中輸入:

$ source ~/.bash_profile 

安裝pip

$ sudo apt-get install python-pip python-dev
$ sudo apt-get install python-numpy swig python-dev python-wheel

安裝TensorFlow

# Ubuntu/Linux 64-bit, GPU enabled, Python 2.7
# Requires CUDA toolkit 8.0 and CuDNN v5. For other versions, see "Install from sources" below.

$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-0.11.0-cp27-none-linux_x86_64.whl

$ sudo -H pip install --upgrade $TF_BINARY_URL