Python3.7 源碼下載:python
https://www.python.org/downloads/release/python-370/linux
解壓源碼:git
tar -zxvf Python-3.7.0.tgz -C ~
github
安裝源碼編譯所需的各類依賴庫:(Ubuntu16.04環境下)sql
sudo apt-get install zlib1g-dev libbz2-dev libssl-dev libncurses5-dev libsqlite3-dev libreadline-dev tk-dev libgdbm-dev libdb-dev libpcap-dev xz-utils libexpat1-dev liblzma-dev libffi-dev libc6-dev
bash
配置安裝位置 配置優化:網絡
./configure --prefix=/opt/python3.7 --enable-optimizations函數
編譯:優化
make -j 4ui
安裝:
sudo make install
也或者編譯、安裝一塊兒:
sudo make && make install
安裝成功:
獨立的Python環境安裝好之後,咱們須要安裝相應的計算庫:
sudo ./pip3 install mkl
sudo ./pip3 install numpy
sudo ./pip3 install scipy
sudo ./pip3 install matplotlib
驗證各個函數庫安裝成功:
下一步就是須要配置顯卡計算的相應環境:
首先是安裝cuda, 如今支持的cuda版本通常是cuda8, 這裏咱們也是安裝此版本。
下載地址:
下載頁:
https://developer.nvidia.com/cuda-80-ga2-download-archive
文件地址:
https://developer.nvidia.com/compute/cuda/8.0/Prod2/local_installers/cuda_8.0.61_375.26_linux-run
執行環境安裝:
sudo sh ./cuda_8.0.61_375.26_linux.run
安裝過程 一直 點擊確認,輸入yes, 就能夠,惟一須要注意的是提示你是否安裝驅動,這裏面咱們默認是已經安裝好驅動的,若是沒有安裝驅動參考其它文章。因此,這裏咱們是默認不安裝驅動的,否則有可能形成版本不兼容,致使失敗。
no 輸入
安裝成功後須要進行配置, 修改HOME目錄下的 .bashrc 文件
加入如下內容:
export PATH=/opt/cuda-8.0/bin:$PATH
export LD_LIBRARY_PATH=/opt/cuda-8.0/lib64:$LD_LIBRARY_PATH
環境生效:
#環境變量當即生效
sudo source ~/.bashrc sudo ldconfig
cuDNN是GPU加速計算深層神經網絡的庫。首先去官網(https://developer.nvidia.com/rdp/cudnn-download)下載cuDNN,須要註冊一個帳號才能下載,沒有的話本身註冊一個。
這裏我下載的是 cuda8.0對應的 cudnn
下載後是一個 deb文件,須要解壓:
ar -x libcudnn7-dev_7.1.4.18-1+cuda8.0_amd64.deb
xz -d ./data.tar.xz 解壓data文件
tar -xvf data.tar 接着解壓data文件
最後文件以下圖:
執行下面操做:
cp ./usr/include/x86_64-linux-gnu/cudnn_v7.h /opt/cuda-8.0/include/ cp ./usr/lib/x86_64-linux-gnu/libcudnn_static_v7.a /opt/cuda-8.0/lib64/
下面是進行tensorflow的編譯安裝。
第一步:下載編譯器 bazel
點擊連接: installer for your system,跳轉到Bazel的下載頁面:
![](http://static.javashuo.com/static/loading.gif)
下載bazel-0.15.0-installer-linux-x86_64.sh到桌面,下載最新版的,不用和個人一致,而後在terminal中輸入如下命令添加執行權限sudo chmod a+x bazel-0.15.0-installer-linux-x86_64.sh安裝sudo ./bazel-0.15.0-installer-linux-x86_64.sh