Deepin15.11下搭建TensorFlow开发环境
Deepin15.11下TensorFlow环境搭建
作者：dusuanyun 日期：20190909
特别说明：
我也只是一个想要学习深度学习的萌新，所以下面的过程可能有些冗余或者不合理的地方，不过结论是配好了，跑通了；
配置期间参考了相关的书籍(书上版本很低)，以及网络上的很多资料，依然翻车一次----系统安装废了，重装系统！
所以，我的总结的对其他人应该有参考意义，另外友情提醒：操作前最好备份一下系统，以防万一！
环境说明：
硬件：小米笔记本Pro-GTX版
CPU: Intel Core i7-8550U CPU @ 4GHz
GPU: GeForce GTX 1050 Max-Q
RAM: 16GB
OS: Deepin 15.11 stable
Kernel: x86_64 Linux 4.15.0-30deepin-generic
步骤如下：
1.搜索下载并安装基于Python3.7.3的Anaconda3
我安装的是Anaconda3-2019.07-Linux-x86_64.sh环境;
(base) dbdu@dbdu:~$ python
Python 3.7.3 (default, Mar 27 2019, 22:11:17) [GCC 7.3.0] :: Anaconda, Inc. on linux Type "help", "copyright", "credits" or "license" for more information.
>>> exit()
(base) dbdu@dbdu:~$ ipython
Python 3.7.3 (default, Mar 27 2019, 22:11:17) Type 'copyright', 'credits' or 'license' for more information IPython 7.6.1 -- An enhanced Interactive Python. Type '?' for help.
In [1]: exit2.搜索、下载、安装JDK8并配置环境变量:
我安装的是：
(base) dbdu@dbdu:~$ java -version
java version "1.8.0_221"
Java(TM) SE Runtime Environment (build 1.8.0_221-b11)
Java HotSpot(TM) 64-Bit Server VM (build 25.221-b11, mixed mode)3.安装 Bazel:
C1.安装bazel-0.29.0 ----独立软件包下载困难,且安装失败!
使用apt repository的安装方式:https://docs.bazel.build/versions/master/install-ubuntu.html
配置安装apt 源注意：这是一次性设置步骤。
echo "deb [arch=amd64] https://storage.googleapis.com/bazel-apt stable jdk1.8" | sudo tee /etc/apt/sources.list.d/bazel.list
curl https://bazel.build/bazel-release.pub.gpg | sudo apt-key add -如果要安装Bazel的测试版本，请替换stable为testing。
开始安装Bazel
sudo apt-get update && sudo apt-get install bazel
升级到较新版本的Bazel： ----非必须
sudo apt-get install --only-upgrade bazel
C2.安装 TensorFlow 的其他依赖工具包 ：
sudo apt-get install python3-numpy swig python3-dev python3-wheel
C3.配置bazel的环境变量:
通过apt安装终端可以直接使用bazel命令,环境变量暂不配置!
C4.通过在新的终端输入 bazel 命令可以验证其是否安装成功
base) dbdu@dbdu:~$ bazel
WARNING: --batch mode is deprecated. Please instead explicitly shut down your Bazel server using the command "bazel shutdown".
[bazel release 0.29.0]
Usage: bazel ...
...省略其他输出... 4.安装显卡驱动
我的笔记本在Deepin15.11上默认没有安装独立显卡驱动---GeForce GTX 1050 Max-Q，我这一步必须做不可以跳过，
如果跳过，下面安装CUDA和cuDNN虽然过程不报错，但是验证安装的时候发现是失败的！提示驱动版本不匹配
从https://www.nvidia.com/Download/index.aspx 选择自己的显卡匹配的驱动，下载并安装；----如果没有中文版就选择英文版。
我下载显卡驱动是NVIDIA-Linux-x86_64-435.21.run，安装方式如下：
以root身份在Ctrl+Alt+F2终端，执行service lightdm stop后，再执行安装！！----终端会自动提示你怎么做！
5.安装 CUDA
下载地址:https://developer.nvidia.com/cuda-downloads
下载安装CUDA10.1参考 https://www.findhao.net/easycoding/2562.html
原文有点小错误，也可以参考我整理的：http://note.youdao.com/noteshare?id=937aefd0e93e808cbdecc3b357348f7e
验证CUDA安装：
(base) dbdu@dbdu:~/NVIDIA_CUDA-10.1_Samples/1_Utilities/deviceQuery$ ./deviceQuery
./deviceQuery Starting...
CUDA Device Query (Runtime API) version (CUDART static linking)
Detected 1 CUDA Capable device(s)
Device 0: "GeForce GTX 1050 with Max-Q Design"
CUDA Driver Version / Runtime Version 10.1 / 10.1
CUDA Capability Major/Minor version number: 6.1
....省略其他内容的输出....
deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 10.1, CUDA Runtime Version = 10.1, NumDevs = 1
Result = PASS最后一行说明安装成功了！
6安装cuDNN
安装cuDNN参考官网：https://docs.nvidia.com/deeplearning/sdk/cudnn-install/index.html#installlinux
我是使用deb文件的安装方式。
下载地址：https://developer.nvidia.com/cudnn 注意下载需要先注册账号！
我选择的是最新版，如下：
Download cuDNN v7.6.3 (August 23, 2019), for CUDA 10.1
-------------------------------------------------------------------------------------------------
需要3个deb的文件，如下：
cuDNN Runtime Library for Ubuntu16.04 (Deb)
cuDNN Developer Library for Ubuntu16.04 (Deb)
cuDNN Code Samples and User Guide for Ubuntu16.04 (Deb)
开始安装：
A.cd到deb文件所在的本地目录，依次安装：安装运行时库，安装开发人员库，代码示例和cuDNN Library用户指南：
sudo dpkg -i libcudnn7_7.6.3.30-1+cuda10.1_amd64.deb
sudo dpkg -i libcudnn7-dev_7.6.3.30-1+cuda10.1_amd64.deb
sudo dpkg -i libcudnn7-doc_7.6.3.30-1+cuda10.1_amd64.deb
B.验证cudnn的安装
要验证cuDNN是否已安装且运行正常，请编译位于中的mnistCUDNN示例 的/usr/src/cudnn_samples_v7 debian文件中的目录。
将cuDNN示例复制到可写路径。
$cp -r /usr/src/cudnn_samples_v7/ $HOME
转到可写路径。
$ cd $HOME/cudnn_samples_v7/mnistCUDNN
编译mnistCUDNN示例。
$make clean && make
运行mnistCUDNN示例。
$ ./mnistCUDNN
如果在Linux系统上正确安装并运行了cuDNN，您将看到类似于以下内容的消息：
Test passed!
以下为安装成功实例：
(base) dbdu@dbdu:~/cudnn_samples_v7/mnistCUDNN$ ./mnistCUDNN
cudnnGetVersion() : 7603 , CUDNN_VERSION from cudnn.h : 7603 (7.6.3)
Host compiler version : GCC 6.3.0
There are 1 CUDA capable devices on your machine :
device 0 : sms 5 Capabilities 6.1, SmClock 1328.5 Mhz, MemSize (Mb) 4042, MemClock 3504.0 Mhz, Ecc=0, boardGroupID=0
Using device 0
....省略其他输出的内容.....
Test passed!最后行说明安装成功！
7.使用conda方式(最简单)安装Tensorflow1.14.0(当时最新)：
说明：conda是Anaconda自带的，安装Anaconda后就自动会有！
A.安装使用GPU的方式：https://blog.csdn.net/mogoweb/article/details/83018474
conda install tensorflow-gpu
如果使用CPU的版本，请使用tensorflow替换tensorflow-gpu。
B.从安装过程看conda也下载cuda和cudnn，或许前面的cuda和cudnn的安装步骤可以省略。
8.测试Tensorflow安装是否正确：
测试的过程其实就是在代码中调用 TensorFlow 库并运行，如果调用库的过程没有报错，那么就说明 TensorFlow 已经安装好了。
base) dbdu@dbdu:~$ python
Python 3.7.3 (default, Mar 27 2019, 22:11:17)
[GCC 7.3.0] :: Anaconda, Inc. on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> import tensorflow as tf
>>> a = tf.constant([1.0,2.0],name="a")
>>> b = tf.constant([3.0,4.0],name="b")
>>> result = a+b
>>> sess = tf.Session()
...此处省略多行输出...
>>> sess.run(result)
array([4., 6.], dtype=float32)说明OK！
9.选择IDE
Pycharm或者IDEA，个人因用IDEA开发久了，习惯使用IDEA然后安装Python插件即可！