TensorFlow GPU版安裝
阿新 • • 發佈：2019-02-09
0x00 前言
CPU版的TensorFlow安裝還是十分簡單的，也就是幾條命令的時，但是GPU版的安裝起來就會有不少的坑。在這裡總結一下整個安裝步驟，以及在安裝過程中遇到的問題和解決方法。
整體梳理
安裝GPU版的TensorFlow和CPU版稍微有一些區別，這裡先做一個簡單的梳理，後面有詳細的安裝過程。
- Python
- NVIDIA Cuda
- cuDNN
- TensorFlow
- 測試
0x01 安裝Python
這裡有兩種安裝的方法：
- 安裝基本的Python環境，需要什麼再繼續安裝。
- 安裝Anaconda，基本上能用到的包都有包含。
筆者都是直接安裝Anaconda了，省事，直接在官網下載安裝即可，沒什麼寫的。
下面給出安裝基本Python環境的命令。
apt-get install python-pip python-dev python-virtualenv 0x02 安裝NVIDIA Cuda
安裝Cuda主要有下面幾個步驟：
- 確認電腦的顯示卡支援cuda
- 確認Linux版本是否支援cuda
- 確認gcc是否安裝
- 確認kernel版本
- 禁用開源驅動
- 關閉x server
- 下載cuda
- 安裝cuda
前面幾個步驟，主要是做各種前置條件驗證的。本文的操作基於Ubuntu16.04，而且電腦本來就是雙顯示卡，基本沒什麼問題。
主要的坑在安裝cuda
1. 驗證安裝環境
友情提示：
- 確認電腦的顯示卡支援cuda
- 確認Linux版本是否支援cuda
- 確認gcc是否安裝
- 確認kernel版本
2.1. Verify You Have a CUDA-Capable GPU
To verify that your GPU is CUDA-capable, go to your distribution's equivalent of System Properties, or, from the command line, enter:
$ lspci | grep -i nvidia
If you do not 2. 禁用開源驅動
注意：有些教程會有更多需要禁用的驅動，這裡遵循官網的說明，沒有問題。
新建一個檔案
vim /etc/modprobe.d/blacklist-nouveau.conf檔案內容為
blacklist nouveau
options nouveau modeset=0update一下
sudo update-initramfs -u3. 關閉X server
當我們安裝 NVIDIA 的驅動程式時，需要先關閉 X server，關閉的方式有兩種：
- 關閉gdm
- 關閉lightdm
第一種不行時，嘗試用第二種。 本文使用的是第二種關閉方式。
方法1
sudo /etc/init.d/gdm stop
sudo /etc/init.d/gdm status方法2
sudo /etc/init.d/lightdm stop
sudo /etc/init.d/lightdm status注意：後面顯示卡驅動程式安裝完畢後，應首先重啟 gdm 或者 lightdm。
4. 下載cuda
注意：這裡在選擇下載檔案時選擇的是.run字尾的檔案。用別的遇到了一些坑，最後發現這個最穩定。
5. 安裝cuda
注意：安裝過程中有坑，請重視下面的說明，否則安裝後的ubuntu可能會出現無法進入圖形介面的情況。因為這個原因，筆者重做了一晚上的作業系統，嘗試了3個Ubuntu的版本和兩個Centos的版本。
其它的步驟，跟著說明點就行，主要注意圖中框的地方。
安裝cuda時一定不要安裝OpenGL；切記，否則有可能在安裝完之後無法啟動圖形化桌面。
顯示卡驅動程式安裝完畢後，應首先重啟 gdm 或者 lightdm。
6. 新增環境變數
在官網裡面需要配置環境變數。
在terminal根目錄中輸入以下命令：
$ sudo vim ~/.bash_profile
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/cuda0x03 安裝cuDNN
下面是下載地址，需要提前註冊。 註冊一下就好。
注意下載的版本。
下載下來的檔案就deb包，直接dpkg -i 安裝即可。
0x04 安裝TensorFlow
Tensorflow官網中有很詳細的說明。筆者建議無論是Anaconda還是原生Python環境，都使用pip安裝，最為簡便，版本也很新。
pip install tensorflow另外，如果使用Anaconda的conda安裝，有一個好處就是可以為Tensorflow單獨建一個虛擬環境，但要注意輸入正確的Tensorflow包地址（gpu還是cpu版本、作業系統、Python版本等）。
在https://storage.googleapis.com/tensorflow/裡有所有Tensorflow包的列表（XML格式）。
建一個虛擬環境
$ conda create -n tensorflow
Activate虛擬環境
$ source activate tensorflow
(tensorflow)$ # Your prompt should change
安裝tensorflow
(tensorflow)$ pip install --ignore-installed --upgrade \
https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-1.0.1-cp27-cp27m-linux_x86_64.whl
0x05 驗證安裝
這裡跑一個小例子來驗證一下。
$ python
Then, enter the following short program inside the python interactive shell:
>>> import tensorflow as tf
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess = tf.Session()
>>> print(sess.run(hello))
If the system outputs the following, then you are ready to begin running TensorFlow programs:
Hello, TensorFlow!