[AI開發]centOS7.5上基於keras/tensorflow深度學習環境搭建

這篇文章詳細介紹在centOS7.5上搭建基於keras/tensorflow的深度學習環境，該環境可用於實際生產。本人如今很是熟練linux(Ubuntu/centOS/openSUSE)、windows上該環境的搭建 :)

前面三篇博客代碼實現均基於該環境（開發或者測試過）：

[AI開發]Python+Tensorflow打造本身的計算機視覺API服務

[AI開發]基於深度學習的視頻多目標跟蹤實現

[AI開發]視頻多目標跟蹤高級版

 

運行環境

1) centOS 7.5 ，不要安裝GUI桌面；

2) i7八核，GTX 1080 GPU，16G內存。

 

程序包

1) Python-3.6.5.tgz   (Python安裝包)

2) screen-4.6.0.tar.gz  (screen安裝包，忽略系統自帶的)

3) tensorflow_gpu-1.9.0-cp36-cp36m-manylinux1_x86_64.whl  (tensorflow安裝包)

4) cuda_9.0.176_384.81_linux.run      (cuda安裝包)

5) cudnn-9.0-linux-x64-v7.1.tgz         (cudnn解壓包)

6) NVIDIA-Linux-x86_64-384.130.run     (nvidia顯卡驅動)

經常使用連接：

https://developer.nvidia.com/cuda-90-download-archive （cuda）
https://developer.nvidia.com/rdp/cudnn-archive （cudnn）
https://www.geforce.cn/drivers/results/132524 （顯卡驅動）

 

安裝步驟

**安裝過程當中，設備須要連外網，有一些組件須要在線安裝**

>第一步 安裝基礎庫

在命令行終端執行下面三個命令：

sudo yum install openssl-devel -y

sudo yum install bzip2-devel

sudo yum install zlib-devel -y

保證上面三個庫安裝成功，若是提示已經安裝，則忽略。

 

>第二步 安裝python3.6.5

在程序包目錄中執行：tar -zvxf Python-3.6.5.tgz，解壓Python安裝文件；

cd Python-3.6.5進入解壓目錄；

執行mkdir /usr/python3.6 建立目錄；

運行 ./configure --prefix=/usr/python3.6 --enable-shared ，等待；

執行 make 命令，等待；

執行 make install 命令，等待；

執行 ln -s /usr/python3.6/bin/python3 /usr/bin/python3 建立軟鏈接（若是提示已存在，先刪除）；

執行 python3 --version，查看輸出，若是輸出python對應的版本號爲 3.6.5，則安裝成功。

注意：

若是碰到錯誤信息相似這樣 ：error while loading shared libraries: xxxxxxxx: cannot open shared object file: No such file or directory（xxxx爲文件名）

那麼，進入安裝文件夾的lib目錄下，找到XXXXXXXX，將其拷貝到/usr/local/lib

cp XXXXXX /usr/local/lib

vi /etc/ld.so.conf

在文件末尾新增長一行 /usr/local/lib

而後執行 ldconfig 命令。

再執行 python3 --version 檢查輸出的版本號是否爲 3.6.5。

 

>第三步 配置pip3

執行ln -s /usr/python3.6/bin/pip3 /usr/bin/pip3 建立軟鏈接（若是提示已存在，先刪除）；

執行 pip3 --version 查看pip3的版本號，若是正確輸出版本號，則表示pip3安裝成功；

cd ~，進入到用戶根目錄，執行mkdir .pip建立.pip目錄，cd到該目錄；

執行 vi pip.conf 建立文件；

在文件中輸入：

[global]

trusted-host=mirrors.aliyun.com

index-url=http://mirrors.aliyun.com/pypi/simple/

保存退出。

 

>第四步 安裝tensorflow/keras等相關依賴組件

在程序包目錄下

執行 pip3 install tensorflow_gpu-1.9.0-cp36-cp36m-manylinux1_x86_64.whl，安裝tensorflow等相關依賴組件（一些組件須要聯網）；

執行 pip3 install keras ，安裝keras等相關依賴組件（須要聯網）；

執行 pip3 install Pillow，安裝Pillow（須要聯網）；

執行 pip3 install matplotlib，安裝matplotlib（須要聯網）；

 

>第五步 安裝cuda

在程序包目錄下

===============================安裝cuda前必讀============================

注意：

1）安裝開始，會顯示一大段license，在顯示license到1%的時候，按q結束，否則會一直讓你讀完；

2）除了在「是否安裝graphics driver」的步驟選擇No以外，其他都選Yes；

3）cuda以及sample的安裝路徑都保持默認不變（直接回車便可）。

=====================================================================

執行sh ./cuda_9.0.176_384.81_linux.run ，按照提示完成cuda的安裝；

執行 vi ~/.bash_profile，打開文件；

在文件末尾增長：

export PATH=/usr/local/cuda-9.0/bin:$PATH  
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64:$LD_LIBRARY_PATH 

保存退出。

 

執行 source ~/.bash_profile，使文件生效；

執行 nvcc --version 查看cuda是否安裝成功，若是正常輸出信息，則表示安裝成功。

 

>第六步 安裝cudnn

在程序包目錄下

執行 tar -zvxf cudnn-9.0-linux-x64-v7.1.tgz ，解壓文件；

cd cuda 進入到解壓目錄；

 

執行

cp lib64/lib* /usr/local/cuda/lib64/

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

拷貝文件；

 

執行

cd /usr/local/cuda/lib64/

chmod +r libcudnn.so.7.1.4    

ln -sf libcudnn.so.7.1.4 libcudnn.so.7  

ln -sf libcudnn.so.7 libcudnn.so  

ldconfig

 **cudnn是cuda在深度學習中的一個擴展，只須要拷貝.h和lib到cuda的安裝目錄便可**

 

>第七步 安裝Nvidia顯卡驅動

在程序包目錄下

執行 sh ./NVIDIA-Linux-x86_64-384.130.run，等待安裝結束；

執行 nvidia-smi 查看顯卡信息，若是能正常顯示GPU驅動和其餘信息，代表顯卡驅動安裝成功。

 

>第八步 驗證Python算法環境

在python腳本目錄下

執行 python3 test.py，若是不報錯，而且有模型數據顯示出來，說明算法環境部署成功。