tensorflow整理(1)Ubuntu16.04系统下安装Python3.6以及对应的TensorFlow

安装顺序:Python-> Tensorflow -> Nvidia GPU Driver -> CUDA -> CUDNN

一、安装Python3.6

Ubuntu16.04系统下默认是python2.7.网上说一般不建议卸载系统自带的python,所以保留。

 

1.  配置软件仓库

sudo add-apt-repository ppa:jonathonf/python-3.6 

2.  检查系统软件包,安装Python3.6

sudo apt-get update 

sudo apt-get update 

sudo apt-get install python3.6

 

3. 修改python3的默认版本

因为现在python3有3.5和3.6两个版本,我们想要优先使用3.6,执行以下命令:

sudo update-alternatives --install /usr/bin/python3python3 /usr/bin/python3.5 1 

sudo update-alternatives --install /usr/bin/python3python3 /usr/bin/python3.6 2 

sudo update-alternatives --config python3 

4.最后一条,前面有*号的就是python3的默认版本。之后如果想修改也可以通过这个方法进行修改,只需要输入你想要的版本的序号就可以了。但是现在输入python命令默认的还是python2,可以通过下面两条命令修改优先级

sudo update-alternatives--install /usr/bin/python python /usr/bin/python2 100 

sudo update-alternatives--install /usr/bin/python python /usr/bin/python3 150 

二、安装Anaconda

1.https://www.anaconda.com/download/下载对应版本的anaconda,下文都是基于python3.6进行的

2. 下载完成后,安装 Python3.6对应的Anaconda

bash ~/Downloads/Anaconda3-5.0.1-Linux-x86_64.sh 

后面的文件名对应你下载的文件,路径对应你下载文件的路径
3. 
出现more就一直按回车看证书信息,问是否接受license,输入yes

默认的路径为/home/username/anaconda3,不改变的话就直接按ENTER就好了,下面就是等待安装过程:

4.到这里注意,询问是否将Anaconda3加入到环境变量中,选yes。因为默认是no,之后要用的话还要自己在环境变量中加一次:

关闭当前终端,并重新开一个,或者执行命令source ~/.bashrc使得上面更新的环境变量生效。

5. 通过打开一个Anaconda Navigator(一个包含Anaconda的程序)来验证安装是否成功。

anaconda-navigator 

打开时间会稍稍有一点长,成功的话会见到Anaconda Navigator的界面。

 

三、安装TensorFlow

 

1. CUDA 9.0

为避免和新的CUDA 版本产生冲突,如果存在之前的的旧版本,可以选择先卸载,在/usr/local/cuda/bin目录下有一个uninstallcuda*.pl 文件,可以直接运行卸载,命令如下:

sudo ./uninstall_cuda_*.pl

这样即可将 CUDA 全部卸载。

接下来我们再下载 CUDA 9.0,注意 TensorFlow 1.5 和 1.6 版本依然只是兼容 CUDA 9.0,没有兼容CUDA 9.1,所以不要下载 9.1,CUDA9.0 的下载地址是:https://developer.nvidia.com/cuda-90-download-archive,然后依次勾选好系统的版本,这里我们选择 Linux-x86_64-Ubuntu-16.04-runfile 的配置,然后点击 Base Installer 部分的 Download 按钮,下载 CUDA 9.0 安装包。

对应的下载命令是:

wgethttps://developer.nvidia.com/compute/cuda/9.0/Prod/local_installers/cuda_9.0.176_384.81_linux-run

执行此命令,等待下载完成即可。
sudo bash cuda_9.0.176_384.81_linux-run

安装过程需要输入一些确认选项,过程如下:

Description

The NVIDIA CUDA Toolkit provides command-line and graphical

tools for building, debugging and optimizing the performance

Do you accept the previously read EULA?

accept/decline/quit: accept

Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 384.81?

(y)es/(n)o/(q)uit: n

Install the CUDA 9.0 Toolkit?

(y)es/(n)o/(q)uit: y

Enter Toolkit Location

 [ default is /usr/local/cuda-9.0 ]:

Do you want to install a symbolic link at /usr/local/cuda?

(y)es/(n)o/(q)uit: y

Install the CUDA 9.0 Samples?

(y)es/(n)o/(q)uit: y

Enter CUDA Samples Location

 [ default is /home/cqc ]:

Installing the CUDA Toolkit in /usr/local/cuda-9.0 ...

 

最后如果出现这样的提示,就证明CUDA 安装好了

Driver:   Not Selected

Toolkit:  Installed in /usr/local/cuda-9.0

Samples:  Installed in /home/cqc, but missing recommendedlibraries

Please make sure that

-   PATH includes /usr/local/cuda-9.0/bin

-   LD_LIBRARY_PATH includes /usr/local/cuda-9.0/lib64, or, add/usr/local/cuda-9.0/lib64 to /etc/ld.so.conf and run ldconfig as root

To uninstall the CUDA Toolkit, run the uninstall script in/usr/local/cuda-9.0/bin

Please see CUDA_Installation_Guide_Linux.pdf in/usr/local/cuda-9.0/doc/pdf for detailed information on setting up CUDA.

***WARNING: Incomplete installation! This installation did not install theCUDA Driver. A driver of version at least 384.00 is required for CUDA 9.0functionality to work.

To install the driver using this installer, run the following command,replacing with the name of this run file:

    sudo .run -silent -driver

 

然后我们需要配置一下环境变量,更改~/.bashrc 文件,添加如下几行:

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

exportLD_LIBRARY_PATH=/usr/local/cuda/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

export CUDA_HOME=/usr/local/cuda

修改完毕之后执行一下使其生效:

source ~/.bashrc

这时我们输出 CUDA_HOME、LD_LIBRARY_PATH 就可以看到对应的输出了:

echo $CUDA_HOME

/usr/local/cuda

echo $LD_LIBRARY_PATH

/usr/local/cuda/lib64

这样就代表环境变量生效了,CUDA 安装完成。

 

2. cuDNN 7.1

cuDNN 的全称是 The NVIDIA CUDA® Deep Neural Network library,是专门用来对深度学习加速的库,它支持 Caffe2, MATLAB, Microsoft Cognitive Toolkit, TensorFlow, Theano 及 PyTorch 等深度学习的加速优化,目前最新版本是 cuDNN 7.1,接下来我们来看下它的安装方式。

下载链接:https://developer.nvidia.com/rdp/cudnn-download,需要注册之后才能打开,这里我们选择cuDNN v7.1.1 (Feb 28, 2018), for CUDA 9.0,然后选择 cuDNNv7.1.1 Library for Linux,如图所示:

下载下来之后解压安装即可:

tar -zxvf cudnn-9.0-linux-x64-v7.1.tgz

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

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

sudo chmod a+r /usr/local/cuda/include/cudnn.h

sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

执行完如上命令之后,cuDNN 就安装好了,这时我们可以发现在/usr/local/cuda/include 目录下就多了 cudnn.h 头文件。

 

3.TensorFlow 1.6

到现在为止 Python 3.6、CUDA 9.0 和 cuDNN 7.1 就已经安装好了,而且环境变量也配置好了,接下来我们直接安装TensorFlow 1.6 即可,TensorFlow 1.6 版本针对 CUDA 9 和 cuDNN 7 做了优化,可以预构建二进制文件。

这里需要安装的是 TensorFlow 的 GPU 版本,命令如下:
pip3 install tensorflow-gpu==1.6.0

安装完成之后验证一下:

import tensorflow

如果没有报错,那就证明全部环境配置都成功了。

以上便是 Ubuntu 16.04 +Python 3.6 + CUDA 9.0 + cuDNN 7.1 + TensorFlow 1.6 完整环境配置过程。



你可能感兴趣的:(tensorflow笔记)