TensorFlow开发环境搭建(Ubuntu16.04+GPU+TensorFlow源码编译)

目前TensorFlow已支持Mac、Ubuntu和Windows三个主流平台(64位平台)

GPU vs CPU

在安装时可以选择安装版本是否支持GPU,

二进制安装 vs 源码安装

同时,安装时可以考虑采用二进制安装,还是源码安装,

二进制安装

二进制安装可以有很多选择,


实际使用选择

手头上有两台电脑,

  • MacBook Pro (Retina, 13-inch, Early 2015) 
    处理器:2.7 GHz Intel Core i5
    内存:8GB 1867MHz DDR3
    显卡:Intel Iris Graphics 6100 1536MB
  • 攀升兄弟组装台式机 
    处理器:英特尔 Core i7-6700 @3.40GHz 四核 
    主板:华硕 B150M-ET M2 SERIES
    内存:8G(威刚DDR4 2801MHz) 
    硬盘:三星 MZ7TE256HMHP-00000(256GB/固态硬盘) 
    显卡:Nvidia GeForce GTX 950(2GB)

其中, 
MacBook Pro采用基于Anaconda的二进制安装方式(仅支持CPU)。Anaconda是一个集成平台,包含大多数机器学习的常用工具,

  • NumPy:科学运算包
  • SciPy:在NumPy的基础上构建,功能更加强大的科学计算包
  • Matplotlib:类似Matlab的绘图工具包
  • Scikit-learn:经典机器学习工具包
  • Pandas:数据处理和分析工具包(可用于数据读写、清洗、填充和分析等场景) 

采用Anaconda安装方案,一方面MacBook Pro的开发环境很容易搭建(几句命令即可完成),另一方面,基于Anaconda的环境,也可以方便验证简单的机器学习算法。

对于台式机则采用了Ubuntu+GPU+TensorFlow源码编译的方式,进行TensorFlow环境搭建,下面我们着重介绍下这种安装方式。

Ubuntu16.04+TensorFlow(GPU)源码编译

1Ubuntu系统安装

目前,大多数计算机,包括台式机已没有了光驱,同时,Ubuntu的系统安装盘也不易获得。针对这种情况,我们可以采用U盘来进行安装。具体步骤可以参考:《Ubuntu 16.04 U盘安装图文教程》

2禁用UEFI安全启动

对于华硕 B150M-ET主板,UEFI默认是开启的。而UEFI开启会导致第三方驱动安装失败(如显卡驱动,这是源码编译安装GPU支持的TensorFlow,遇到的第一个坑)。具体步骤可以参考:《华硕主板禁用UEFI安全启动》

3安装NVIDIA驱动

3.1安装方式

英伟达的显卡驱动有三种方式:

  • apt-get+系统设置安装
  • 安装CUDA时顺便安装
  • 官方下载最新驱动并安装 

参考:《Ubuntu 16.04安装NVIDIA驱动》

3.2安装步骤

本文采用第一种方案:

sudo apt-get install nvidia-367

然后进入:System Settings->Software&Updates->Additional Drivers->,选择NVIDIA Corporation[Using NVIDIA binary driver]

3.3验证测试

nvidia-smi #若列出GPU的信息列表,表示驱动安装成功nvidia-settings #若弹出设置对话框,亦表示驱动安装成功

4安装CUDA

CUDA(Compute Unified Device Architecture),是显卡厂商NVIDIA推出的运算平台。可以理解成基于GPU并行计算的应用层接口。 

CUDA8.0下载地址 

安装Cuda的时候,需要关闭X服务。

sudo service lightdm stop

这时,系统会出现黑屏。此时,同时按住[CTRL + ALT + F1]三个键进入命令行模式(如果不能进入命令行模式,可以参考《alt+ctrl+F1黑屏 ,解决方案》), 

然后输入[账号],[密码]后登陆。 


在CUDA的下载目录运行,

sudo sh cuda_xxx.run

要注意的是,在询问是否安装“NVIDIA Accelerated Graphics Driver”可以选择“是”,

Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 361.62?(y)es/(n)o/(q)uit: y

但在后续出现询问是否安装“X configuration”时,则需要选择“否”,否则之前安装的显卡驱动就白安装了。 


CUDA安装结束后,则可以恢复到图形界面模式,

sudo service lightdm start

到这里,CUDA的安装还不算结束,需要将CUDA相关的内容添加到系统环境变量中。安装过程中Summary提示,

Please make sure that– PATH includes /usr/local/cuda-8.0/bin– LD_LIBRARY_PATH includes /usr/local/cuda-8.0/lib64, or, add /usr/local/cuda-8.0/lib64 to /etc/ld.so.conf and run ldconfig as root

CUDA相关的环境变量可以放在~/.bashrc中,

vi ~/.bash_profile

在其中,增加如下两行,

export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda-  8.0/lib64:/usr/local/cuda-8.0/extras/CUPTI/lib64"export CUDA_HOME=/usr/local/cuda-8.0

5安装cuDNN
cuDNN(CUDA Deep Neural Network)相比标准的cuda,它在一些常用的神经网络操作上进行了性能的优化,比如卷积,pooling,归一化,以及激活层等等。

下载地址:https://developer.nvidia.com/rdp/cudnn-download 

下载cuDNN后进行解压,并执行如下命令:

sudo cp cuda/include/cudnn.h /usr/local/cuda-8.0/includesudo cp -d cuda/lib64/libcudnn* /usr/local/cuda-8.0/lib64sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda-8.0/lib64/libcudnn*

6gcc降低版本

网上说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,但我看了CUDA8.0的安装手册《NVIDIA CUDA INSTALLATION GUIDE FOR LINUX》,并没有发现这一条,《NVIDIA CUDA INSTALLATION GUIDE FOR LINUX》 

在实际使用中,还是将GCC做了降级(PS,在安装时可以先不降级,看看是否会出问题),GCC降级方法如下,

sudo apt-get install g++-4.9sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-4.9 20sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-5 10sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-4.9 20sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-5 10sudo update-alternatives --install /usr/bin/cc cc /usr/bin/gcc 30sudo update-alternatives --set cc /usr/bin/gccsudo update-alternatives --install /usr/bin/c++ c++ /usr/bin/g++ 30sudo update-alternatives --set c++ /usr/bin/g++

7安装Bazel

Bazel是一个构建工具,即一个可以运行编译和测试来组装软件的工具,跟Make、Ant、Gradle、Buck、Pants和Maven一样。TensorFlow的编译是基于Bazel完成的。 

Bazel官方地址:https://docs.bazel.build/versions/master/install.html 

7.1安装准备

7.2安装

Bazel可以通过apt-get和下载安装两种方式完成,本文中,采用下载安装的方式实现,

chmod +x PATH_TO_INSTALL.SH./PATH_TO_INSTALL.SH --user

8第三方库安装

sudo apt-get install python-numpy swig python-dev python-wheelsudo apt-get install libcupti-devsudo apt-get install git

9TensorFlow源码编译

9.1下载

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

9.2编译配置

cd ~/tensorflow./configure

9.3编译安装

bazel build -c opt //tensorflow/tools/pip_package:build_pip_packagebazel build -c opt --config=cuda //tensorflow/tools/pip_package:build_pip_packagebazel-bin/tensorflow/tools/pip_package/build_pip_package /tmp/tensorflow_pkgsudo pip install /tmp/tensorflow_pkg/tensorflow-0.10.0-cp2-none-any.whl

至此,便完成了支持GPU的TensorFlow源码编译。

10环境测试

可以通过如下代码进行测试,

# Pythonimport tensorflow as tfhello = tf.constant('Hello, TensorFlow!')sess = tf.Session()print(sess.run(hello))

正常测试输出,

Hello, TensorFlow!

参考资料

《Ubuntu 16.04 U盘安装图文教程》 
《华硕主板禁用UEFI安全启动》 
《Ubuntu 16.04安装NVIDIA驱动》 
《alt+ctrl+F1黑屏 ,解决方案》 
《Ubuntu16.04 下安装GPU版TensorFlow(包括Cuda和Cudnn)》 
《ubuntu16.04下安装TensorFlow(GPU加速)》

发表评论

电子邮件地址不会被公开。 必填项已用*标注