ubuntu安装gpu版tensorflow

由于毕设的课题需要用到tensorflow,从现在开始要入坑deeplearning了。首先把环境先搭好,再慢慢学习。学习大多数前辈的做法,选择了Ubuntu的平台,安装了GPU版的tensorflow。把安装流程记录下来做个笔记。

环境和版本

  • Ubuntu16.04 LTS
  • Tensorflow-gpu最新版(2018/10/22)
  • Cuda9.0
  • cuDNN 7.0
  • Python3

选择这个环境版本搭配的是因为这是最多人使用的,网上参考也特别多。Ubuntu16LTS版也比较稳定适合,对于cuda以及cuda dnn的选择便是要参考tensorflow官网的规定了,很多时候版本不对应便会出现各种莫名其妙的问题,所以为了少掉坑里,安装和搭建开发环境的时候都最好查看一下官方的安装指导。这里贴上官网的环境版本的搭配

tensorflow-gpu-support

所以可以看到,对于cuda的版本选择一定要对应正确,这里按照官方说明就选择cuda9+cuda dnn7的搭配。

安装cuda

安装之前重申一定要选择正确版本,选择cuda9.0, 而不是cuda9.1或者cuda10.0等

cuda9.0下载链接cuda9.0

cuda9.0-1

如图所示,选择正确的版本

cuda9.0-2

然后选择Base Installer下载,官网图中还给出了下面怎么安装的命令行步骤,即下面这四个步骤

1
2
3
4
`sudo dpkg -i cuda-repo-ubuntu1604-9-0-local_9.0.176-1_amd64.deb`
`sudo apt-key add /var/cuda-repo-<version>/7fa2af80.pub`
`sudo apt-get update`
`sudo apt-get install cuda`

对应这次安装的具体版本号,命令即为

1
2
3
4
sudo dpkg -i cuda-repo-ubuntu1604-9-0-local_9.0.176-1_amd64.deb
sudo apt-key add /var/cuda-repo-9-0-local/7fa2af80.pub#具体版本号不同可以使用tab键补全
sudo apt-get update
sudo apt-get install cuda

等待安装完毕。接下来要添加环境变量

1
2
3
4
5
export PATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}}
如果是64位系统,输入:
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
如果是32位系统,输入:
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

至此,cuda安装完成。

安装cuDNN

再次重申需要选择正确对应版本,选择的是cuDNN v7的版本

下载地址[cuDNN]

下载完成后,cd到文件文件目录,执行安装命令

1
sudo dpkg -i libcudnn7_7.0.5.15-1+cuda9.0_amd64.deb#具体版本可能不同,不用复制这个命令,sudo dpkg -i libcudnn+tab键补全即可

安装tensorflow

官网安装的方式又好几种,这里我们选择使用virtualenv创建一个环境,再从这个独立分离环境里面安装的方式。

安装pip和virtualenv

在终端里面输入如下命令

1
2
sudo apt-get install python-pip python-dev python-virtualenv#python2.7
sudo apt-get install python3-pip python3-dev python-virtualenv#python3.x(推荐)

创建独立开发环境

在终端里面输入如下命令

1
2
virtualenv --system-site-packages ~/tensorflow#python2.7
virtualenv --system-site-packages -p python3 ~/tensorflow#python3.x(推荐)

执行完创建环境命令行后,用户home目录下会新建一个tensorflow文件夹

激活独立开发环境

激活独立开发文件就在tensorflow文件夹里面,所以激活独立开发环境命令如下

1
source ~/tensorflow/bin/activate

更新独立环境中的pip版本

激活独立环境之后,在新环境的终端里面(命令行前面又环境名字提示)输入以下命令

1
easy_install -U pip

安装tensorflow-gpu

同样,在激活的独立环境终端下面安装tensorflow,命令如下

1
2
pip install --upgrade tensorflow-gpu#Python 2.7版本:
pip3 install --upgrade tensorflow-gpu#Python 3.x版本:

假如速度太慢,可以换一下国内的镜像源

1
2
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu
pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu

验证安装成功

在命令行终端进入python环境,输入

1
$python

然后进入python交互模式,输入验证测试代码,来个最简单的hello tensorflow

1
2
3
4
import tensorflow as tf
hello = tf.constant('Hello Tensorflow!')
sess = tf.Session()
print(sess.run(hello))

假如正常输出Hello Tensorflow!,则说明安装成功。流程如下

1
2
3
4
5
6
7
8
9
10
11
12
$ python

>>> 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
>>>

关闭独立开发环境

exit()函数推出python交互模式后,在终端输入

1
deactivate

-------------本文结束感谢您的阅读-------------