从conda开始学tensorflow

星期四, 16. 五月 2019 12:29下午

conda+tensorflow安装教程

1. 本篇博客的安装教程主要是将笔者在安装时用到的经验与大家分享，力求做到详细。
2. 至于为什么推荐用conda安装tensorflow，其重要性笔者觉得不需要描述了，大家可以看看其他博客就一目了然了。注意一点，conda直接安装(创建)的是环境，而不是tensorflow，笔者做的只是在conda创建的环境中安装tensorflow。
3. 笔者电脑系统是Ubuntu，笔者也建议大家用Ubuntu学习；所需要的软件分别是：anaconda3、cuda、cudnn、pycharm还有自己电脑的显卡驱动。安装最重要的是软件之间的兼容性，笔者用的是Anaconda3-5.2.0(.sh)，cuda9.0(.run)，cudnn7.0(.tgz)，nvidia-384。
4. 具体文件名称为：Anaconda3-5.2.0-Linux-x86_64.sh、cuda_9.0.176_384.81_linux.run、cudnn-9.0-linux-x64-v7.4.2.24.tgz。
5. 笔者安装的tensorflow-gpu版本为1.10.0。

有几点需要特别注意:

• 安装驱动之前需要先确定自己电脑的BIOS中的Security Boot是否设置为DISABLE，否则驱动安装不了；
• 在下载cuda时，cuda文件名称最后面的结尾为驱动型号，最好安装此驱动型号的驱动，比如笔者的cuda文件完整名称为cuda_9.0.176_384.81_linux.run 因此安装驱动时需要安装384的；
• 安装之前先确定自己电脑以前安装的都卸载干净，包括cuda、cudnn、pip安装的tensorflow等等。

一、卸载软件

卸载软件仅在安装不正确的情况下才卸载。

1、卸载显卡驱动

sudo apt-get purge nvidia*

2、卸载cuda

cd /usr/local/
sudo rm -r cuda
sudo rm -r cuda-x.0

x为具体数字

3、卸载cudnn

sudo rm -rf /usr/local/cuda/include/cudnn.h
sudo rm -rf /usr/local/cuda/lib64/libcudnn

4、卸载pip安装的tensorflow等package

pip uninstall package

5、卸载anaconda

sudo rm -rf [file_direction] /anaconda3

二、安装软件

1、安装显卡驱动

确定BIOS中的Security Boot已经设置为DISABLE.驱动型号一定要对，笔者这里用的是384。

sudo add-apt-repository ppa:graphics-drivers
sudo apt-get update
sudo apt-cache search nvidia
sudo apt-get install nvidia-384

完成安装后，重启一下PC

shutdown -r now

重启之后，在终端输入：

nvidia-smi

如果出现如下显示，则表明安装成功

Screenshot from 2019-05-16 12-36-23.png

2、安装cuda

sudo bash ~/Downloads/cuda_9.0.176_384.81_linux.run

注意当开始输入accept接受协议后，第二项一定要选no，因为已经安装好了驱动，不能选yes， 至于后面的选项有yes的选择yes，没有yes的回车就行。

3、配置.bashrc文件

vim ~/.bashrc

• export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64:/usr/local/cuda-9.0/extras/CPUTI/lib64:$LD_LIBRARY_PATH
• export CUDA_HOME=/usr/local/cuda-9.0
• export PATH=/usr/local/cuda-9.0/bin:$PATH

配置文件时按i进行编辑，如果以前有cuda的配置文件，建议更改不一样的地方，配置完成后按esc退出编辑模式，按大写的Z两次退出

source ~/.bashrc

需要检查安装是否成功

cd /usr/local/cuda/extras/demo_suite
./deviceQuery

如果出现如下显示，则表明安装成功

Screenshot from 2019-05-16 12-41-47.png

4、安装cudnn

解压cudnn的文件，建议下载(.tgz的文件)，解压后会得到一个cuda的文件夹

cd [file_direct]/cuda
sudo cp include/cudnn.h /usr/local/cuda/include/
sudo cp lib64/lib* /usr/local/cuda/lib64/
cd /usr/local/cuda/lib64
sudo chmod +r libcudnn.so.7.4.2
sudo ln -sf libcudnn.so.7.4.2 libcudnn.so.7 
sudo ln -sf libcudnn.so.7 libcudnn.so
sudo ldconfig

需要检查安装是否成功

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

如果出现如下显示，则表明安装成功

#define CUDNN_MAJOR 7
#define CUDNN_MINOR 4
#define CUDNN_PATCHLEVEL 2
--
#define CUDNN_VERSION (CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL)

#include "driver_types.h"

4、安装anaconda

bash Anaconda3-5.2.0-Linux-x86_64.sh

安装完成后重启一下终端，输入

conda --version

是否会显示版本显示，显示表明安装成功

三、使用conda建立环境

假如笔者想通过conda建立一个Python3.6的环境，环境名称为tensorflow-gpu-py36，只需要在终端输入如下命令即可

conda create -n tensorflow-gpu-py36 python=3.6

如果显示网络连接错误等信息，其原因是因为国内cuda的源不能用了，此时需要通过vpn连接外网，笔者建议可以用蓝灯，只需要去蓝灯官网下载相应版本即可，很方便。还有一点需要注意，当你使用国外源的时候，一定要删除国内的源，笔者这里采用了一种简单粗暴的方式

sudo rm -r ~/.condarc

通过删除配置文件.condarc后再调用前一句命令即可创建环境。
下面进行在已创建的环境名为tensorflow-gpu-py36下安装tensorflow-gpu指定版本，注意tensorflow-gpu的版本与cuda和cudnn是有关系，笔者安装的是tensorflow-gpu 10.0的版本，直接用pip安装即可。
在此，笔者建议在用pip安装时用国内镜像，只需添加一个文件即可

sudo mkdir .pip

在Desktop上用txt写一个文件，具体内容为：

[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
[install]
trusted-host=mirrors.aliyun.com

保存为pip.conf，然后调用如下命令

sudo mv ~/Desktop/pip.conf ~/.pip/
cd
source activate tensorflow-gpu-py36
pip install tensorflow-gpu==１.10.0

只需等待安装结束即可，此时可以继续输入如下命令进入Python界面检测是否安装成功

python
>>> import tensorflow as tf
>>> a = tf.constant([1, 2, 3])
>>> b = tf.constant([2, 3, 4])
>>> c = a+b
>>> sess = tf.Session()

此时会出现设备信息，如果安装的是gpu，就会有显示gpu/gpu_device信息。
至此安装结束，如果不想用刚安装的环境，直接运行

source deactivate

下一次调用直接运行

source activate tensorflow-gpu-py36

四、安装pycharm

pycharm的选择不是必须的，笔者用的是pycharm，pycharm的安装很容易，笔者这里不过多说明，有一点要注意，pycharm在用conda搭建的环境时需要在终端先激活环境然后在终端紧接着打开pycharm才行，而且pycharm在直接加载环境时，有以下两个步骤特别注意：
1、需要在Virtualenv Environment选项中的Existing environment中加载conda创建的环境，环境的地址可以通过以下命令获得

conda-env list

2、当选择环境之后，记得先点击下图中右侧绿色圆圈，看看左侧列出的表中有没有刚刚安装的tensorflow-gpu，一定要确保里面有刚刚安装的tensorflow-gpu。

Screenshot from 2019-05-16 13-31-57.png

好了，如果有什么问题欢迎在下面留言，接着就可以开始学习了