美文网首页TensorFlow技术帖我爱编程
TensorFlow入门：Ubuntu 配置 TensorFlo

TensorFlow入门：Ubuntu 配置 TensorFlo

作者: 戈云飞 | 来源:发表于2017-12-06 22:02 被阅读62次

本文介绍如何在 Ubuntu 系统中配置 TensorFlow 的开发环境，需要的 Ubuntu 版本为 14.04 或者更高版本。

确认显卡

  • 安装前需要先根据你的电脑是否安装了 NVIDIA 的显卡来确认一下需要安装的 TensorFlow 版本：

    • CPU 版本 如果你的电脑没有安装 NVIDIA 显卡，只能安装 CPU 版本，这个版本安装会比较快（大概10分钟左右），即使有 NVIDIA 显卡但只是想体验一下 TensorFlow，也可以安装这个版本。
    • GPU 版本 如果你的电脑安装了 NVIDIA 显卡，可以安装 GPU 版本，使用 GPU 进行深度学习的计算会比用 CPU 快很多。选择安装 GPU 版本的 TensorFlow 前先确认如下信息：

  • 确认你的显卡是否支持 CUDA Compute Capability 3.0 或更高版本，下面是 GeForce 系列显卡的支持情况：

台式机版 笔记本版
GPU型号 Compute Capability GPU型号 Compute Capability
NVIDIA TITAN Xp 6.1 GeForce GTX 1080 6.1
NVIDIA TITAN X 6.1 GeForce GTX 1070 6.1
GeForce GTX 1080 Ti 6.1 GeForce GTX 1060 6.1
GeForce GTX 1080 6.1 GeForce GTX 980 5.2
GeForce GTX 1070 6.1 GeForce GTX 980M 5.2
GeForce GTX 1060 6.1 GeForce GTX 970M 5.2
GeForce GTX 1050 6.1 GeForce GTX 965M 5.2
GeForce GTX TITAN X 5.2 GeForce GTX 960M 5.0
GeForce GTX TITAN Z 3.5 GeForce GTX 950M 5.0
GeForce GTX TITAN Black 3.5 GeForce 940M 5.0
GeForce GTX TITAN 3.5 GeForce 930M 5.0
GeForce GTX 980 Ti 5.2 GeForce 920M 3.5
GeForce GTX 980 5.2 GeForce 910M 5.2
GeForce GTX 970 5.2 GeForce GTX 880M 3.0
GeForce GTX 960 5.2 GeForce GTX 870M 3.0
GeForce GTX 950 5.2 GeForce GTX 860M 3.0/5.0
GeForce GTX 780 Ti 3.5 GeForce GTX 850M 5.0
GeForce GTX 780 3.5 GeForce 840M 5.0
GeForce GTX 770 3.0 GeForce 830M 5.0
GeForce GTX 760 3.0 GeForce GTX 780M 3.0
GeForce GTX 750 Ti 5.0 GeForce GTX 770M 3.0
GeForce GTX 750 5.0 GeForce GTX 765M 3.0
GeForce GTX 690 3.0 GeForce GTX 760M 3.0
GeForce GTX 680 3.0 GeForce GTX 680MX 3.0
GeForce GTX 670 3.0 GeForce GTX 680M 3.0
GeForce GTX 660 Ti 3.0 GeForce GTX 675MX 3.0
GeForce GTX 660 3.0 GeForce GTX 670MX 3.0
GeForce GTX 650 Ti BOOST 3.0 GeForce GTX 660M 3.0
GeForce GTX 650 Ti 3.0 GeForce GT 750M 3.0
GeForce GTX 650 3.0 GeForce GT 650M 3.0
GeForce GT 740 3.0 GeForce GT 745M 3.0
GeForce GT 730 3.5 GeForce GT 645M 3.0
GeForce GT 720 3.5 GeForce GT 740M 3.0
GeForce GT 705 3.5 GeForce GT 730M 3.0
GeForce GT 640 (GDDR5) 3.5 GeForce GT 640M 3.0
- - GeForce GT 640M LE 3.0
- - GeForce GT 735M 3.0
- - GeForce GT 730M 3.0
  • 安装 CUDA Toolkit 8.0 套件及相关驱动，CUDA 是 NVIDIA 推出的基于自家 GPU 的运算平台，下载地址
  • 安装 cuDNN v6.0，并在环境变量里配置好 CUDA_HOME,cuDNN 是基于 CUDA 的深度神经网络库，下载地址
  • 安装libcupti-dev，这是用于调试 CUDA 的库
$ sudo apt-get install libcupti-dev

安装官方发布版 TensorFlow

官方提供的安装方法有virtualenv、native pip、Docker、Anaconda。如果只是想简单的体验一下 TensorFlow，之后会删除，可以使用virtualenv安装；如果是进行深入学习、开发，最好还是通过pip安装。下面介绍的是使用pip安装 TensorFlow 的方法。

  • 首先确认 pip 或 pip3 是否安装
$ sudo apt-get install python-pip python-dev   # for Python 2.7
$ sudo apt-get install python3-pip python3-dev # for Python 3.n
  • 安装 TensorFlow

安装 CPU 版

$ sudo pip  install tensorflow     # Python 2.7; CPU support (no GPU support)
$ sudo pip3 install tensorflow     # Python 3.n; CPU support (no GPU support)

安装 GPU 版

$ sudo pip  install tensorflow-gpu    # Python 2.7; GPU support
$ sudo pip3 install tensorflow-gpu    # Python 3.n; GPU support

如果使用上面的命令安装失败，可以尝试使用

$ sudo pip  install --upgrade <tfBinaryURL>    # Python 2.7
$ sudo pip3 install --upgrade <tfBinaryURL>    # Python 3.n

tfBinaryURL需要根据 Python 版本以及是否支持 NAVIDIA 显卡确定：
Python 2.7：

 # CPU 版
https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.4.0-cp27-none-linux_x86_64.whl
# GPU 版
https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.4.0-cp27-none-linux_x86_64.whl

Python 3.4：

# CPU 版
https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.4.0-cp34-cp34m-linux_x86_64.whl
# GPU 版
https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.4.0-cp34-cp34m-linux_x86_64.whl

Python 3.5：

# CPU 版
https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.4.0-cp35-cp35m-linux_x86_64.whl
# GPU 版
https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.4.0-cp35-cp35m-linux_x86_64.whl

Python 3.6：

# CPU 版
https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.4.0-cp36-cp36m-linux_x86_64.whl
# GPU 版
https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.4.0-cp36-cp36m-linux_x86_64.whl

如果你使用的 Python 版本在上面没有找到，那么只能通过下载源码自己编译安装。通过源码编译安装的方法下面会介绍。

编译源码安装 TensorFlow

如果你安装的 Python 版本官方没有提供安装包，或者你想要修改 TensorFlow Core 相关的功能，可以尝试通过 Google 发布的 TensorFlow 源码，自己编译、安装 TensorFlow。目前只有 Ubuntu 和 Mac OS X 系统支持编译 TensorFlow 源码，Window 系统不支持编译 TensorFlow 源码。

  • 安装必要的依赖软件

安装 JDK 1.8

$ sudo apt-get install openjdk-8-jdk

安装 Bazel

$ 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.build/bazel-release.pub.gpg | sudo apt-key add -
$ sudo apt-get update
$ sudo apt-get install bazel
$ sudo apt-get upgrade bazel   # 如果之前安装过 Bazel，使用这个命令更新到最新版

安装 Python，可以选择安装 Python 2.7 或者 Python 3 其一
安装 Python 2.7:

$ sudo apt-get install python-numpy python-dev python-pip python-wheel

安装 Python 3.n:

$ sudo apt-get install python3-numpy python3-dev python3-pip python3-wheel

  • 如果选择 GPU 版，还需要安装 CUDA 等相关库，参考 NVIDIA's documentation

  • 下载 TensorFlow 代码

$ git clone https://github.com/tensorflow/tensorflow   # clone 代码
$ cd tensorflow           # 进入代码目录
$ git branch -a           # 查看所有分支，找到最新版本，我的为 remotes/origin/r1.4
$ git checkout r1.4       # 切到最新版本
  • 配置编译参数，运行configure文件，一路按回车使用默认值就可以
$ ./configure 
You have bazel 0.8.1 installed.
Please specify the location of python. [Default is     /usr/bin/python]: /usr/bin/python3


Found possible Python library paths:
  /usr/local/lib/python3.5/dist-packages
  /usr/lib/python3/dist-packages
Please input the desired Python library path to use.      Default is [/usr/local/lib/python3.5/dist-packages]

Do you wish to build TensorFlow with jemalloc as malloc     support? [Y/n]: 
jemalloc as malloc support will be enabled for TensorFlow.

Do you wish to build TensorFlow with Google Cloud Platform     support? [Y/n]: 
Google Cloud Platform support will be enabled for TensorFlow.

Do you wish to build TensorFlow with Hadoop File System     support? [Y/n]: 
Hadoop File System support will be enabled for TensorFlow.

Do you wish to build TensorFlow with Amazon S3 File System     support? [Y/n]: 
Amazon S3 File System support will be enabled for TensorFlow.

Do you wish to build TensorFlow with XLA JIT support? [y/N]: 
No XLA JIT support will be enabled for TensorFlow.

Do you wish to build TensorFlow with GDR support? [y/N]: 
No GDR support will be enabled for TensorFlow.

Do you wish to build TensorFlow with VERBS support? [y/N]: 
No VERBS support will be enabled for TensorFlow.

Do you wish to build TensorFlow with OpenCL support? [y/N]: 
No OpenCL support will be enabled for TensorFlow.

Do you wish to build TensorFlow with CUDA support? [y/N]: 
No CUDA support will be enabled for TensorFlow.

Do you wish to build TensorFlow with MPI support? [y/N]: 
No MPI support will be enabled for TensorFlow.

Please specify optimization flags to use during compilation     when bazel option "--config=opt" is specified [Default is     ch=native]: 


Add "--config=mkl" to your bazel command to build with MKL     support.
Please note that MKL on MacOS or windows is still not     supported.
If you would like to use a local MKL instead of downloading,     please set the environment variable "TF_MKL_ROOT" every time   fore build.
Configuration finished
  • 启动编译

编译 CPU 版本使用下面的命令：

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

编译 GPU 版本使用下面的命令：

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

编译成功会打印下面的信息，我编译用了将近30分钟

INFO: Elapsed time: 1605.225s, Critical Path: 44.86s
INFO: Build completed successfully, 4223 total actions

使用下面的命令将编译结果打包成whl文件，并放到/tmp/tensorflow_pkg目录

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

最终编译出来的whl文件名会根据使用的 Python 版本，以及电脑配置而不同，比如我的电脑使用 Python 3.5 编译出来的就是tensorflow-1.4.1-cp35-cp35m-linux_x86_64.whl

  • 安装

使用 pip 或者 pip3 安装前面编译出来的whl文件

$ sudo pip3 install /tmp/tensorflow_pkg/tensorflow-1.4.1-cp35-cp35m-linux_x86_64.whl

验证 TensorFlow

安装完成后可以先运行一段代码验证一下 TensorFlow 是否安装成功：

  • 启动一个命令终端
  • 启动 Python
$ python    # for Python 2.7
$ python3   # for Python 3.n
  • 执行下面的代码
# Python
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))
  • 如果运行第一句import tensorflow as tf时没有报错ImportError: No module named tensorflow，就说明 TensorFlow 安装成功了
  • 如果执行完最后一句打出Hello, TensorFlow!，说明 TensorFlow 可以正常运行

卸载 TensorFlow

如果是通过 pip 或 pip3 安装的 TensorFlow，可以使用下面的命令卸载 TensorFlow

$ sudo pip uninstall tensorflow  # for Python 2.7
$ sudo pip3 uninstall tensorflow # for Python 3.n

相关文章

网友评论

    本文标题：TensorFlow入门：Ubuntu 配置 TensorFlo

    本文链接：https://www.haomeiwen.com/subject/mzskixtx.html

    延伸阅读

    深度阅读

    • 您也可以注册成为美文阅读网的作者，发表您的原创作品、分享您的心情！

    栏目导航

    热点阅读

    TensorFlow技术帖

    我爱编程

    关于我们|服务条款|联系我们|TensorFlow入门：Ubuntu 配置 TensorFlo|投稿指南|网站地图|RSS订阅|排版工具|手机版

    提供经典美文摘抄,优美散文欣赏,现代诗歌精选,短篇小说,心情随笔,表白情书范文,故事会在线阅读欣赏

    Copyright © 2014-2023 Haomeiwen.com All Rights Reserved. 好美文阅读网 版权所有

    备案信息：桂公网安备 45052102000051号 · 桂ICP备13007215号-3

    本站所收录作品、热点评论等信息部分来源互联网，目的只是为了系统归纳学习和传递资讯

    所有作品版权归原创作者所有，与本站立场无关，如不慎侵犯了你的权益，请联系我们告知，我们将做删除处理！