Tensorflow 入门（一）环境搭建

基本环境：

硬件：双路E5 + 3 * Tesla P100，64位
操作系统：CentOS 7.4
python 2.7.14 ( Anaconda2 )
python 3.6.3 ( Anaconda3 ) # 这个不单独列出了，类比吧~

目标环境：

CUDA 9.0
CUDNN 7.0.4
tensorflow-gpu 1.4.0

本文 CUDA 的安装采取了官网的 rpm(network) 形式，简单粗暴。

一、驱动安装

yum upgrade

顺便说一句 python 3 命令行交互模式下 Backspace 等键乱码问题的解决方案：

yum install readline-devel   # 然后重新编译安装 python 3.6

驱动安装/更新，官方说明见这里（注意按自己的实际环境勾选选项），过程摘要如下：

驱动有可能原本就装了，在 yum upgrade 中就帮你更新了

如果原本没装，那就自己装一下（请根据上面的官方说明填写最新文件名）：

sudo rpm -i cuda-repo-rhel7-9.0.176-1.x86_64.rpm

二、CUDA、CUDANN 安装

CUDA 安装

sudo yum clean all
sudo yum install cuda

cuda 安装在了 /usr/local/cuda-9.0，并有链接到它的 /usr/local/cuda 目录，使用后者作为后续安装的依据。
环境变量配置，在启动项（~/.bash_profile）中添加一行：

export PATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}}

CUDNN安装
首先上官网下载压缩包，这里有点坑，必须要注册，得到的文件：cudnn-9.0-linux-x64-v7.tar，解压后得到的目录也叫 cuda.

这里 CUDNN 的安装其实只是把 CUDNN的一些库文件拷贝到 CUDA 的安装目录下，然后改改权限：

tar xzvf cudnn-9.0-linux-x64-v7.tar
sudo cp cuda/include/cudnn.h /usr/local/cuda/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*

三、Tensorflow-GPU 编译安装

参照[官网]的(https://www.tensorflow.org/install/install_sources)源码安装形式，本章给出步骤摘要。

安装部分依赖

pip install numpy dev pip wheel
yum install python-devel

注意：博主安装 dev 的时候报了个 好像叫“None Ascii”什么什么的错误，反正是哪个文件编码有问题（开头多了个什么字符），这个问题通过解压安装包、进入目录、修改那个文件（删掉报错信息指示的几个字符），然后：

python setup.py install 

可以完美解决。

编译安装 bazel

参照官网，步骤如下：
从Fedora COPR把相应的 .repo 文件下载到 /etc/yum.repos.d/ 目录下（加了个源），然后：

yum install bazel

编译安装 tensorflow-gpu

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

这个有一堆交互式配置，看着选就行，大部分默认值都是合适的值，需要注意的就是 python 的路径要确保无误（python 3 / python 2.7.14 / 有的系统自带 python 2.6 或者 2.7.5），有需要再贴图吧。

配置完了之后：

bazel build --config=opt --config=cuda //tensorflow/tools/pip_package:build_pip_package

注意：如果想编译 MKL 之类的库，也要事先安装，这里没管。

下一步：

bazel-bin/tensorflow/tools/pip_package/build_pip_package /tmp/tensorflow_pkg

这个时候 .whl 文件已经出来了，用 pip install 指定即可：

pip install /tmp/tensorflow_pkg/tensorflow-1.4.0-py2-none-any.whl

四、检验

python

然后

import tensorflow as tf

自己测吧哈。