ubuntu16.4搭建tensorflow环境
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了ubuntu16.4搭建tensorflow环境，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含5390字，纯文字阅读大概需要8分钟。
内容图文
1 说明：
本机配置：显卡gtx970，ubuntu16.4.1+cuda8.0+cudnn v5+tensorflow0.11
1. 下载
1.1 系统镜像
由于我尝试了ubuntu14.04，安装Nvidia驱动之后，会出现循环登录的问题，并始终无法找到有效的解决途径，所以只能选择ubuntu16.04了。
镜像地址 https://www.ubuntu.com/download/alternative-downloads
1.2 CUDA 8.0
https://developer.nvidia.com/cuda-downloads（下载地址）
说明：
（1）在NVIDIA的CUDA下载页面下，选择要使用的CUDA版本进行下载。
（2）我们这里使用CUDA8.0（页面有提示GTX1070、GTX1080支持8.0版本），学员如果没有使用以上两个版本的GPU，可以下载CUDA7.5。DOWNLOAD（下载）。
（3）下载需要注册。
（4）图解选择
注意：使用deb（local）版本。
1.3 cuDNN v5
下载地址： https://developer.nvidia.com/cudnn（需要登录）
说明：
（1）下载需要填写一个调查问卷，就三个选项，建议认真填写，毕竟人家免费给咱使用。
（2）填写完毕点击 I Agree To 前面的小方框
选择cudnn v5.1 for linux
1.4 Tensorflow 0.11
tensorflow github上面提到 4 种安装方式，本教程使用 第四种 源码安装
Virtualenv installation
Anaconda installation
Docker installation
Installing from sources
https://github.com/tensorflow/tensorflow（下载地址）
说明： 我选择的是linux gpu python2
（2） 点击Python 2开始下载。
2. 安装ubuntu16.04 LTS 系统
详情请查看之前笔记windows系统安装ubuntu双系统
3. 安装NVIDIA驱动
打开terminal输入以下指令:
sudo apt-get update
然后在系统设置->软件更新->附加驱动->选择nvidia最新驱动(361)->应用更改
4.安装cuda8.0
4.1 gcc降版本
ubuntu的gcc编译器是5.4.0，然而cuda8.0不支持5.0以上的编译器，因此需要降级，把编译器版本降到4.9：
在terminal中执行：
sudo apt-get install g++-4.9 sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-4.920 sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-510 sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-4.920 sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-510 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++
4.2 安装cuda
在cuda所在目录打开terminal依次输入以下指令：
cd /home/***(自己的用户名)/Desktop/###(这个命令意思是找到刚刚我们用U盘传过来的文件) sudo dpkg -i cuda-repo-ubuntu1604-8-0-rc_8.0.27-1_amd64?.deb sudo apt-get update sudo apt-get install cuda?
4.3 安装cuDNN
打开terminal依次输入以下指令：
cd /home/***(自己的用户名)/Desktop/ #(这个命令意思是找到刚刚我们用U盘传过来的文件) tar xvzf cudnn-8.0-linux-x64-v5.1-ga.tgz #（解压这个文件） sudo cp cuda/include/cudnn.h /usr/local/cuda/include # （复制） sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64 # （复制） sudo chmoda+r/usr/local/cuda/include/cudnn.h/usr/local/cuda/lib64/libcudnn*
4.4 安装其他依赖
4.4.1 配置环境变量
按照上图的教程，在terminal中输入以下命令：
sudo gedit ~/.bash_profile #打开.bash_profile
然后在打开的文本末尾加入：
export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64" export CUDA_HOME=/usr/local/cuda
继续在terminal中输入:
source ~/.bash_profile #使更改的环境变量生效
当然，也有其他教程在文件~/.bashrc文件中写入的，方法与上面的类似。如果在后面配置./config文件出现问题时，可以实现这个方法。
4.4.2 配置环境变量
在terminal中输入以下命令：
sudo apt-get install python-pip python-dev
5. 安装Bazel
5.1 安装Bazel依赖
由于本教程使用tensorflow源码编译/安装，所以需要使用 bazel build。
链接：https://www.bazel.io/versions/master/docs/install.html
在terminal中依次输入以下1-7的命令
sudo add-apt-repository ppa:webupd8team/java sudo apt-get update sudo apt-get install oracle-java8-installer
echo "deb [arch=amd64] http://storage.googleapis.com/bazel-apt stable jdk1.8" | sudo tee /etc/apt/sources.list.d/bazel.list curl https://bazel.io/bazel-release.pub.gpg | sudo apt-key add -
5.2 安装Bazel
之后回到之前的Tensorflow安装教程页面：https://github.com/tensorflow/tensorflow/blob/master/tensorflow/g3doc/get_started/os_setup.md
点击链接： installer for your system，跳转到Bazel的下载页面：
下载bazel-0.3.2-installer-linux-x86_64.sh到桌面，然后在terminal中输入以下命令
cd /home/***(自己的用户名)/Desktop/ #(这个命令意思是找到刚刚我们用U盘传过来的文件) chmod +x PATH_TO_INSTALL.SH #对.sh文件授权 ./PATH_TO_INSTALL.SH --user #运行.sh文件
5.3 安装第三方库
在terminal中输入以下命令
sudo apt-get install python-numpy swig python-dev python-wheel #安装第三方库 sudo apt-get install git git clone git://github.com/numpy/numpy.git numpy
6. 安装tensorflow
6.1 下载tensorflow
在terminal中输入以下命令
git clone https://github.com/tensorflow/tensorflow
特别注意，我使用的是tensorflow 0.11版本，该版本要求cuda 7.5 以上，cuDNN v5。
默认下载目录是在/home下
6.2 配置tensorflow
还是刚刚的网址
https://github.com/tensorflow/tensorflow/blob/master/tensorflow/g3doc/get_started/os_setup.md
在terminal中输入以下命令：
cd ~/tensorflow #切换到tensorflow文件夹
./configure #执行configure文件
然后按照下图选项进行操作：
6.3 创建pip
在terminal中输入以下命令：
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 /home/***（你自己的用户名）/Desktop/tensorflow-0.11.0rc1-cp27-none-linux_x86_64.whl
6.4 设置tensorflow环境
bazel build -c opt //tensorflow/tools/pip_package:build_pip_package # To build with GPU support: bazel build -c opt --config=cuda //tensorflow/tools/pip_package:build_pip_packagemkdir _python_build cd _python_build ln -s ../bazel-bin/tensorflow/tools/pip_package/build_pip_package.runfiles/org_tensorflow/* . ln -s ../tensorflow/tools/pip_package/* . python setup.py develop
说明：在编译可能需要花费很长时间，慢慢等就行了，或许我的电脑配置太低，等了大半天才编译完。
此时恭喜你，已经完成了安装
7. 测试tensorflow
这里进行测试，如果你能跟我看到同样的画面，那恭喜你成功配置GPU版的tensorflow啦！
$ cd tensorflow/models/image/mnist
$ python convolutional.py
8. 常见问题
8.1循环登录
在ubuntu14.04安装N卡驱动后，会出现无法显示登录界面或者循环登录的问题。这主要是显卡不兼容，具体解决思路可以参考google上的解决方案，关键词 ubuntu login loop。
经过测试，网上的教程对我都不适用，无奈转向ubuntu16.04
8.2 缺少第三方库
因为这个教程是我安装成功之后写的，其中难免遗忘某些库的安装，例如Git、pip这些库，安装过程很简单，具体可以google。
8.3 tensorflow配置问题
在执行./configure 或者设置tensorflow环境时，如果出现无法找到某个库的路径，那么检查是否正确的设置了cuda的环境变量，具体参考 4.1节。
说明：转载自
http://blog.csdn.net/zhaoyu106/article/details/52793183
原文：http://www.cnblogs.com/zhaopengcheng/p/6012587.html
内容总结
以上是互联网集市为您收集整理的ubuntu16.4搭建tensorflow环境全部内容，希望文章能够帮你解决ubuntu16.4搭建tensorflow环境所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。