搭建GPU版tensorflow（超详细）

全文字数 3172字
阅读时间 5分钟

如果这是人生第一次接触搭建GPU版服务器搭建深度学习环境，不要怕，简直是步步都有坑，字字都是泪，踩得多了就习惯了。AI小姐姐把相关的过程和坑都捋遍了，整理出来供参考。

我使用的是天翼云（32核 | 256GB | p1.8xlarge.8 CentOS7.3 64位 GPU-P100*2），总结了在GPU服务器上搭建环境，共计分为三大步骤六小步，简列如下：

一 Xshell新建链接及登录

二 FileZilla新建链接，登录，新建目录

三 环境搭建

1．安装Anaconda

2．创建虚拟环境及查看、激活环境

3．安装cuDNN加速库

4．安装tensorflow

5．安装tensorflow-gpu

6．执行python,然后import tensorflow

7．附：版本信息

下面进入到详细步骤和踩坑填坑环节：

一 Xshell新建链接，登录

一开始天翼云就闹了个乌龙，还没开通22端口，导致我没法成功连接Xshell和Filezilla。尝试链接失败后，第一次登录用的是用web远程登录（尚未备案），发现很不稳定经常掉线，后来干脆是无法打开网页；提工单后，其开启后方链接成功。）
接着进入到设置环节：
点击左上角新建–填写名称、主机（IP地址）–点击用户身份验证–填写用户名，密码，确定–点击打开–选定名称打开–跳出密钥确认保存即可。

二 FileZilla新建链接，登录

填写主机、用户名、密码、端口22后，点击快速链接，新建个人目录

三 环境搭建

1.安装Anaconda

1)下载 Anaconda3-5.2.0
根据服务器配置，下载对应的 Anaconda3-5.2.0-Linux-x86_64.sh
官网下载比较慢，直接执行以下语句简便快捷：

wget https://repo.anaconda.com/archive/Anaconda3-5.2.0-Linux-x86_64.sh

Ps. 现在已经官网update了新版本，pls revise accordingly.

2)安装

bash Anaconda3-5.2.0-Linux-x86_64.sh

按指示enter, yes等即可。

前方高能，大坑①请注意！
安装到倒数第二步，默认加到环境变量中去时时，后面一行小字紧接着提醒要新开一个terminal才能生效—reminder! 不看提示的人浪费了时间继续在同一terminal折腾。
泪流满面。

2.创建虚拟环境及查看、激活环境

1. 创建虚拟环境

conda create -n your_env_name python=3.6.2 pip numpy matplotlib pandas sortedcontainers

2. 查看环境列表

conda env list

可看到环境已创建成功

3）激活环境

source activate your_env_name

在进入第三步&第四步之前，有个关于踩坑的血泪史
在这个之前安装过一次测试环境（不含GPU），过程简单，在完成以上步骤后，就到安装tensorflow，之后进入python–import tensorflow就收工大吉。
可是，带GPU的tensorflow完全不是那么一回事。我照着anaconda安装–创建虚拟环境–激活虚拟环境–安装tensorflow 1.4.0后，华丽丽的高能大坑轮流出现：
坑②
Error: module ‘pandas’ has no attribute ‘core’
解决方法：重装pandas

pip uninstall pandas
pip install pandas

坑③
之后执行安装tensorflow-gpu ==1.4.0后，进入python–import tensorflow
Error: libcublas.so.8.0:can not open shared object file:No such file or directory

尝试方法一:tensorflow切换到低版本
再进入python–import tensorflow,报同样的error

pip install tensorflow==1.2.0
pip install tensorflow-gpu==1.2.0

尝试方法二:tensorflow切换到低版本

pip install tensorflow==1.1.0
pip install tensorflow-gpu==1.1.0

报一个新error:
ImportError: libcudnn.so.5: cannot open shared object file: No such file or directory

（事后诸葛：这个error是很大的突破口，如果当初能分析得好，就能少绕下面的弯路，节省时间直接解决问题了，可是还是不可避免地因为没有分析定位好问题，绕了大圈；以下尝试软链接的设定固然是个进步，但是执行语句并没有了解也没有相应的文件在服务器上，不可能奏效；离解决问题还很远）

尝试方法三

cp /var/lib/cuda8/usr/local/cuda-8.0/lib64/* /opt/anaconda3/envs/your_env_name/lib
echo $LD_LIBRARY_PATH

提示找不到 /var/lib/cuda8/usr/local/cuda-8.0/lib64/*
PS.因以上尝试均失败，所以将安装好的tensorflow 、tensorflow-gpu一并卸载了，方便之后重新尝试。

**找到几篇CSDN博文，有讲到带GPU的服务器从零搭建，包含了我没接触过的三部分：安装Nvidia显卡驱动、CUDA、cuDNN加速库。而之前报error的libcudnn.so.5应该是和cuDNN有千丝万缕的关系吧？

带着疑问，我尝试查看目前系统所需对应安装什么NVIDIA显卡驱动，度之用了几个执行语句也没看出个什么出来，nvidia-smi发现已经有安装了驱动375.66， 显卡型号是Tesla P100，而且查询CUDA已安装（执行 cat /usr/local/cuda/version.txt），cuDNN未安装（执行cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2报错）。
兜了一圈，不用从零开始安装，也许直接从cuDNN着手即可。

那么，就来试一下吧。**

3.安装cuDNN加速库

1)下载对应版本
注册账户后选定报错提示的那个版本5.0即可，我下载的是cudnn-8.0-linux-x64-v5.1.tgz
2)安装
Fz上传至Linux服务器指定文件夹，执行tar xvzf cudnn-8.0-linux-x64-v5.1.tgz，ls后可见cuda文件夹
3)设定软链接
坑④
没有在cuda目录的上层目录执行以下语句，就会报找不到对应file。

sudo cp cuda/include/cudnn.h /usr/local/cuda/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64

4.安装tensorflow

pip install tensorflow==1.2.0

5.安装tensorflow-gpu

pip install tensorflow-gpu==1.2.0

6.执行python,然后import tensorflow

7.版本信息

Linux(CentOS 7.3.1611)
Linux 3.10.0-514.el7.x86_64
(订单显示 32核 | 256GB | p1.8xlarge.8 CentOS7.3 64位 GPU-P100）
Nvidia driver 375.66, 显卡型号Tesla P100
conda 4.5.11
CUDA 8.0.61
cuDNN 5.1.10
Python 3.6.6
Keras 2.2.4
Tensorflow 1.2.0
Tensorflow-gpu 1.2.0