在騰訊雲上搭建 Tensorflow for GPU 深度學習環境 —— Jinkey 原創

原文連接 https://jinkey.ai/post/tech/z...
本文做者 Jinkey（微信公衆號 jinkey-love，官網 https://jinkey.ai）
文章容許非篡改署名轉載，刪除或修改本段版權信息轉載的，視爲侵犯知識產權，咱們保留追求您法律責任的權利，特此聲明！

前言

寫文章日期 2017年 11月 11日
當前軟件版本

NVIDIA-Linux-x86_64-384.81.run
nvidia-diag-driver-local-repo-rhel7-384.81-1.0-1.x86_64.rpm
cuda-repo-rhel7-9.0.176-1.x86_64.rpm
cudnn-9.0-linux-x64-v7
tensorflow_gpu-1.4.0-cp27-none-linux_x86_64.whl

購買服務器

登陸控制檯，雲服務器 - 雲主機 - 地區選擇「北京」 - 新建，土豪能夠選擇包月哦

選擇好以後呢，配置以後點擊開通（帳戶餘額須要足夠，哈哈，此處應有廣告費）
等待主機安裝好，以後，在控制檯獲取到公網 IP（好比123.123.123.123），用 ssh 登陸。

ssh root@123.123.123.123

登陸以後，看看輸入

cat /proc/version

查看你的 Linux 版本，企鵝雲用的是

Linux version 3.10.0-693.5.2.el7.x86_64 (builder@kbuilder.dev.centos.org) (gcc version 4.8.5 20150623 (Red Hat 4.8.5-16) (GCC) ) #1 SMP Fri Oct 20 20:32:50 UTC 2017

因此教程的相關依賴我都會下載 Red Hat 版本的

下載依賴

依賴能夠直接經過 wget 下載到主機上，也能夠先下載到 PC 本地再經過 xftp（Windows）或 Filezilla（Mac）上傳。

下載NVIDIA驅動
http://www.nvidia.com/Download/Find.aspx

這裏給出 Red Hat 版本 的下載地址
http://cn.download.nvidia.com...

下載 CUDA
https://developer.nvidia.com/cuda-downloads

下載後獲得cuda-repo-rhel7-9.0.176-1.x86_64.rpm

這裏給出 Red Hat 版本 的下載地址
http://developer.download.nvi...

下載 cuDNN
https://developer.nvidia.com/rdp/cudnn-download（須要註冊和填寫問卷以後下載）

這裏給出 通用 Linux 版本 的下載地址
https://developer.nvidia.com/...

安裝 NVIDIA驅動

方法一（官方推薦方法）
在下載頁面就有安裝方法介紹，不一樣版本系統安裝方法不一樣

如下是 RH 的安裝方法：

# 請替換文件名爲你下載依賴時對應的文件名, 公衆號 jinkey-love
rpm -i nvidia-diag-driver-local-repo-rhel7-384.81-1.0-1.x86_64.rpm
yum clean all
yum install cuda-drivers
reboot

方法二（極限偷懶版）

# 安裝 Development Tools 軟件包
sudo yum update
sudo yum group install 'Development Tools'
# 安裝 elrepo 源
sudo rpm --import https://www.elrepo.org/RPM-GPG-KEY-elrepo.org
sudo rpm -Uvh http://www.elrepo.org/elrepo-release-7.0-2.el7.elrepo.noarch.rpm
# 探測要安裝的包
sudo yum install nvidia-detect
nvidia-detect
# 安裝
sudo yum install kmod-nvidia

安裝 CUDA

在下載頁面就有安裝方法介紹，不一樣版本系統安裝方法不一樣，下面是以 RH 爲例：

# 請替換文件名爲你下載依賴時對應的文件名, 公衆號 jinkey-love
sudo rpm -i cuda-repo-rhel7-9.0.176-1.x86_64.rpm
sudo yum clean all
sudo yum install cuda

添加 CUDA 到環境變量

vim ~/.bash_profile

加入

export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda/lib64"
export CUDA_HOME=/usr/local/cuda

由於寫教程的時候 tensorflow 1.4.0 要支持 CUDA 9.0 的話，還須要從源碼編譯來安裝，因此爲了不經過 pip 安裝會出現 ImportError: libcublas.so.8.0: cannot open shared object file: No such file or directory的錯誤，能夠先使用 CUDA8.0（安裝 CUDA 9.0 的時候也會同時安裝上8.0 的，因此你不須要從新安裝），此時環境變量能夠這麼寫：

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

安裝 cuDNN

# 請替換文件名爲你下載依賴時對應的文件名, 公衆號 jinkey-love
tar -xzvf cudnn-9.0-linux-x64-v7-tgz
sudo cp cuda/include/cudnn.h /usr/local/cuda/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn.h

安裝 Python 依賴

企鵝雲自帶了 python 2.7

# 安裝 pip
sudo yum install python-pip python-devel
sudo pip install --upgrade pip

安裝 Tensorflow

方法一 源碼編譯（要使用 CUDA9.0目前之能支持這種方法）
方法二 pip
pip install tensorflow-gpu --upgrade

安裝 matplotlib

sudo yum install freetype-devel
# 公衆號 jinkey-love，官網 jinkey.ai
sudo yum install libpng-devel
sudo pip install matplotlib

安裝 Keras

Keras 封裝了 Theano 和 Tensorflow 的高度模塊化的深度學習庫，很是適合新手。

sudo pip install keras --upgrade

Keras 默認後端爲 Theano 因此咱們要修改成 Tensorflow

vim .keras/keras.json

修改成

{
    "image_dim_ordering": "tf", 
    "epsilon": 1e-07, 
    "floatx": "float32", 
    "backend": "tensorflow"
}

完成

實戰了一下，一樣的項目下，GPU 訓練速度比 CPU 訓練快了 187 倍。若是你以爲教程有用，能夠微信打賞我哦

參考資料

安裝 NVIDIA 驅動指引
安裝 CUDA 驅動指引
ImportError: libcublas.so.8.0解決辦法