安裝平臺(tái)

1

平臺(tái)

目前TensorFlow已支持Mac、Ubuntu和Windows三個(gè)主流平臺(tái)（64位平臺(tái)），

2

GPU vs CPU

在安裝時(shí)可以選擇安裝版本是否支持GPU，

3

二進(jìn)制安裝 vs 源碼安裝

同時(shí)，安裝時(shí)可以考慮采用二進(jìn)制安裝，還是源碼安裝，

4

二進(jìn)制安裝

二進(jìn)制安裝可以有很多選擇，

5

實(shí)際使用選擇

手頭上有兩臺(tái)電腦，

MacBook Pro （Retina， 13-inch， Early 2015）

處理器：2.7 GHz Intel Core i5

內(nèi)存：8GB 1867MHz DDR3

顯卡：Intel Iris Graphics 6100 1536MB

攀升兄弟組裝臺(tái)式機(jī)

處理器：英特爾 Core i7-6700 @3.40GHz 四核

主板：華碩 B150M-ET M2 SERIES

內(nèi)存：8G（威剛DDR4 2801MHz）

硬盤：三星 MZ7TE256HMHP-00000（256GB/固態(tài)硬盤）

顯卡：Nvidia GeForce GTX 950（2GB）

其中，

MacBook Pro采用基于Anaconda的二進(jìn)制安裝方式（僅支持CPU）。Anaconda是一個(gè)集成平臺(tái)，包含大多數(shù)機(jī)器學(xué)習(xí)的常用工具，

NumPy：科學(xué)運(yùn)算包

SciPy：在NumPy的基礎(chǔ)上構(gòu)建，功能更加強(qiáng)大的科學(xué)計(jì)算包

Matplotlib：類似Matlab的繪圖工具包

Scikit-learn：經(jīng)典機(jī)器學(xué)習(xí)工具包

Pandas：數(shù)據(jù)處理和分析工具包（可用于數(shù)據(jù)讀寫、清洗、填充和分析等場景）

采用Anaconda安裝方案，一方面MacBook Pro的開發(fā)環(huán)境很容易搭建（幾句命令即可完成），另一方面，基于Anaconda的環(huán)境，也可以方便驗(yàn)證簡單的機(jī)器學(xué)習(xí)算法。

對于臺(tái)式機(jī)則采用了Ubuntu+GPU+TensorFlow源碼編譯的方式，進(jìn)行TensorFlow環(huán)境搭建，下面我們著重介紹下這種安裝方式。

Ubuntu16.04+TensorFlow（GPU）源碼編譯

1

Ubuntu系統(tǒng)安裝

目前，大多數(shù)計(jì)算機(jī)，包括臺(tái)式機(jī)已沒有了光驅(qū)，同時(shí)，Ubuntu的系統(tǒng)安裝盤也不易獲得。針對這種情況，我們可以采用U盤來進(jìn)行安裝。具體步驟可以參考：《Ubuntu 16.04 U盤安裝圖文教程》

2

禁用UEFI安全啟動(dòng)

對于華碩 B150M-ET主板，UEFI默認(rèn)是開啟的。而UEFI開啟會(huì)導(dǎo)致第三方驅(qū)動(dòng)安裝失敗（如顯卡驅(qū)動(dòng)，這是源碼編譯安裝GPU支持的TensorFlow，遇到的第一個(gè)坑）。具體步驟可以參考：《華碩主板禁用UEFI安全啟動(dòng)》

3

安裝NVIDIA驅(qū)動(dòng)

3.1安裝方式

英偉達(dá)的顯卡驅(qū)動(dòng)有三種方式：

apt-get+系統(tǒng)設(shè)置安裝

安裝CUDA時(shí)順便安裝

官方下載最新驅(qū)動(dòng)并安裝

參考：《Ubuntu 16.04安裝NVIDIA驅(qū)動(dòng)》

3.2安裝步驟

本文采用第一種方案：

sudo apt-get install nvidia-367

然后進(jìn)入：System Settings-》Software&Updates-》Additional Drivers-》，選擇NVIDIA Corporation［Using NVIDIA binary driver］

3.3驗(yàn)證測試

nvidia-smi #若列出GPU的信息列表，表示驅(qū)動(dòng)安裝成功

nvidia-settings #若彈出設(shè)置對話框，亦表示驅(qū)動(dòng)安裝成功

4

安裝CUDA

CUDA（Compute Unified Device Architecture），是顯卡廠商N(yùn)VIDIA推出的運(yùn)算平臺(tái)。可以理解成基于GPU并行計(jì)算的應(yīng)用層接口。

CUDA8.0下載地址

安裝Cuda的時(shí)候，需要關(guān)閉X服務(wù)。

sudo service lightdm stop

這時(shí)，系統(tǒng)會(huì)出現(xiàn)黑屏。此時(shí)，同時(shí)按住［CTRL + ALT + F1］三個(gè)鍵進(jìn)入命令行模式（如果不能進(jìn)入命令行模式，可以參考《alt+ctrl+F1黑屏 ，解決方案》），

然后輸入［賬號(hào)］，［密碼］后登陸。

在CUDA的下載目錄運(yùn)行，

sudo sh cuda_xxx.run

要注意的是，在詢問是否安裝“NVIDIA Accelerated Graphics Driver”可以選擇“是”，

Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 361.62？

（y）es/（n）o/（q）uit： y

但在后續(xù)出現(xiàn)詢問是否安裝“X configuration”時(shí)，則需要選擇“否”，否則之前安裝的顯卡驅(qū)動(dòng)就白安裝了。

CUDA安裝結(jié)束后，則可以恢復(fù)到圖形界面模式，

sudo service lightdm start

到這里，CUDA的安裝還不算結(jié)束，需要將CUDA相關(guān)的內(nèi)容添加到系統(tǒng)環(huán)境變量中。安裝過程中Summary提示，

Please make sure that

– PATH includes /usr/local/cuda-8.0/bin

– LD_LIBRARY_PATH includes /usr/local/cuda-8.0/lib64， or， add /usr/local/cuda-8.0/lib64 to /etc/ld.so.conf and run ldconfig as root

CUDA相關(guān)的環(huán)境變量可以放在~/.bashrc中，

vi ~/.bash_profile

在其中，增加如下兩行，

export LD_LIBRARY_PATH=“$LD_LIBRARY_PATH:/usr/local/cuda- 8.0/lib64:/usr/local/cuda-8.0/extras/CUPTI/lib64”

export CUDA_HOME=/usr/local/cuda-8.0

5

安裝cuDNN

cuDNN（CUDA Deep Neural Network）相比標(biāo)準(zhǔn)的cuda，它在一些常用的神經(jīng)網(wǎng)絡(luò)操作上進(jìn)行了性能的優(yōu)化，比如卷積，pooling，歸一化，以及激活層等等。

下載地址：https://developer.nvidia.com/rdp/cudnn-download

下載cuDNN后進(jìn)行解壓，并執(zhí)行如下命令：

sudo cp cuda/include/cudnn.h /usr/local/cuda-8.0/include

sudo cp -d cuda/lib64/libcudnn* /usr/local/cuda-8.0/lib64

sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda-8.0/lib64/libcudnn*

6

gcc降低版本

網(wǎng)上說cuda8.0不支持5.0以上的編譯器，因此需要降級(jí)，把編譯器版本降到4.9，但我看了CUDA8.0的安裝手冊《NVIDIA CUDA INSTALLATION GUIDE FOR LINUX》，并沒有發(fā)現(xiàn)這一條，《NVIDIA CUDA INSTALLATION GUIDE FOR LINUX》

在實(shí)際使用中，還是將GCC做了降級(jí)（PS，在安裝時(shí)可以先不降級(jí)，看看是否會(huì)出問題），GCC降級(jí)方法如下，

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++

7

安裝Bazel

Bazel是一個(gè)構(gòu)建工具，即一個(gè)可以運(yùn)行編譯和測試來組裝軟件的工具，跟Make、Ant、Gradle、Buck、Pants和Maven一樣。TensorFlow的編譯是基于Bazel完成的。

Bazel官方地址：https://docs.bazel.build/versions/master/install.html

7.1安裝準(zhǔn)備

7.2安裝

Bazel可以通過apt-get和下載安裝兩種方式完成，本文中，采用下載安裝的方式實(shí)現(xiàn)，

chmod +x PATH_TO_INSTALL.SH

。/PATH_TO_INSTALL.SH --user

8

第三方庫安裝

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

sudo apt-get install libcupti-dev

sudo apt-get install git

9

TensorFlow源碼編譯

9.1下載

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

9.2編譯配置

cd ~/tensorflow

。/configure

9.3編譯安裝

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 /tmp/tensorflow_pkg/tensorflow-0.10.0-cp2-none-any.whl

至此，便完成了支持GPU的TensorFlow源碼編譯。

10

環(huán)境測試

可以通過如下代碼進(jìn)行測試，

# Python

import tensorflow as tf

hello = tf.constant（‘Hello， TensorFlow！’）

sess = tf.Session（）

print（sess.run（hello））

正常測試輸出，

Hello， TensorFlow！

編輯：jq