在Ubuntu 18.04上安裝Tensorflow

咱們將經歷幾個階段，安裝cuda-9.0，cudnn和tensorflow cpu以及tensorflow gpu版本。最後咱們將用cuda-9.0安裝pytorch。在MARVEl電影中黑寡婦的「我與這場戰爭做戰，因此你沒必要」。

昨天晚上，2018年4月29日，我成功在Ubuntu 18.04上安裝了Tensorflow。可是，安裝Tensorflow的關鍵是正確安裝Cuda和cuDNN libray，由於昨晚Tensorflow編譯的運行文件只支持cuda-9.0。檢查這個帖子是否是已通過時。 在咱們安裝Cuda-9.0以前，您可能須要將ubuntu鏡像源網站更改成適合您的最新版本。我把它改爲了mirro.ustc.edu.cn， 由於我在中國安徽合肥。和ubuntu16.04不一樣，你須要顯示應用程序頁面中搜索軟件和更新。 而後請將GPU驅動更改成由Nvidia測試的390版本。

---

安裝Cuda-9.0

閱讀完Tensorflow網站，咱們知道咱們必須首先安裝cuda9.0。首先百度CUDA-9.0 ,.而後選擇linux，而後ubuntu-16.04，最後下載runfile，即1.6 GB，但能夠很是快速地下載。

在咱們安裝runfile以前，咱們須要安裝一些依賴關係，不然你會獲得「Missing recommended libary」這樣的警告。

Libray警告

安裝像這樣的依賴關係。

sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev

接下來，讓咱們像這樣同樣安裝cuda-9.0。

sudo chmod 777 *.runfile # give permission to run all the runfile files sudo ./cuda_9.0.176_384.81_linux.run -toolkit -samples -silent -override #

cuda-9.0安裝路徑是「/usr/local/cuda-9.0」。爲避免missing libray錯誤，咱們在cuda-9.0的這個目錄中建立一個符號連接「cuda」。

cd /usr/local sudo ln -s /usr/local/cuda-9.0 cuda # create the symbolic link

在驗證咱們安裝cuda-9.0以前，咱們會下降咱們的gcc版本，不然咱們會獲得」gcc later than 6 is not supported error」 這樣的錯誤。

GCC錯誤

檢查這個和Ubuntun 18.04上的gcc版本，咱們決定下降咱們的gcc版本。

gcc --version # check ubuntu 18.04 gcc version, you will find it's 7.3.0 sudo apt install gcc-5 g++-5 sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-5 50 # you will find that message that tells you the gcc-5 is set to be automatic. sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-5 50 # similiar message as gcc

將cuda設置爲環境變量

export PATH=/usr/local/cuda-9.1/bin${PATH:+:${PATH}} export LD_LIBRARY_PATH=/usr/local/cuda-9.1/lib64\ ${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}

驗證cuda-9.0安裝

cd NVIDIA_CUDA-9.0_Samples/5_Simulations/fluidsGL make clean && make ./fluidsGL

若是cuda-9.0正確安裝，在咱們的製做過程當中應該沒有錯誤信息。而後咱們能夠獲得流體模擬。

流體模擬示例

咱們的cuda-9.0已成功安裝！在咱們繼續以前， 咱們能夠測試一下其餘的sample。

---

安裝cuDNN7.0

讓咱們安裝cuDNN庫來加速咱們的深度學習算法。註冊，點擊「Archived cuDNN Releases」。而後下載 cuDNN v7.0.5 (Dec 5, 2017), for CUDA 9.0 下載三個文件ubuntu16.04文件 runtime library. developer library, and code samples and user guide。

sudo dpkg -i libcudnn7_7.0.5.11-1+cuda9.0_amd64.deb sudo dpkg -i libcudnn7-dev_7.0.5.11-1+cuda9.0_amd64.deb sudo dpkg -i libcudnn7-doc_7.0.5.11-1+cuda9.0_amd64.deb

安裝Freeimage

在咱們驗證cuDNN以前，咱們必須首先安裝freeimage lilbray做爲ministCUDNN示例代碼的依賴關係。不然，會有提示要求咱們正確設置Freeimage。

sudo apt-get install libfreeimage3 libfreeimage-dev

驗證cuDNN安裝

cp -r /usr/src/cudnn_samples_v7/ $HOME cd $HOME/cudnn_samples_v7/mnistCUDNN make clean && make ./mnistCUDNN

若是一切正常，咱們能夠獲得咱們的結果 - 「測試經過！」

ministCUDNN 示例

咱們也能夠編譯其餘示例。

---

安裝Tensorlfow

咱們將使用virualenv安裝。 首先安裝libcupti-dev庫。

sudo apt-get install libcupti-dev export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/extras/CUPTI/lib64

而後咱們將安裝virtualenv並建立一個Tensorflow Environment。

sudo apt-get install python3-pip python3-dev python-virtualenv virtualenv --system-site-packages -p python3 tensorflow # create a enviroment named tensorflow

這須要一段時間，請耐心等待。

安裝Tensorflow CPU版本

當環境建立好了，咱們必須在每次使用tensorflow時激活它。首先按照推薦安裝tensorflow cpu version。

source ~/tensorflow/bin/activate pip3 install --upgrade tensorflow # install the cpu version

驗證Tensorflow CPU版本

在同一個環境中，這意味着你會在你的shell中看到它。

(tensorflow)$

鍵入python和下面的python代碼。

python

# Python import tensorflow as tf hello = tf.constant('Hello, TensorFlow!') sess = tf.Session() print(sess.run(hello))

這是個人結果。雖然它與官方驗證結果不一樣，可是應該沒問題。

>>> print(sess.run(hello))
b'Hello, TensorFlow!'
>>> 

###安裝Tensorflow GPU版本 首先確保咱們處於同一環境中。

pip3 install --upgrade tensorflow-gpu

可是,下載whl文件的網速較慢。因此咱們能夠用本身的「方法」到瀏覽器中的whl文件和本地pip3安裝。

驗證Tensorflow GPU版本

仍然確保你在Tensorflow Enviroment。

鍵入python和下面的python代碼。

python

# Python import tensorflow as tf hello = tf.constant('Hello, TensorFlow!') sess = tf.Session() print(sess.run(hello))

結果是同樣的。可是咱們能夠看到咱們的GPU設備正在工做。您能夠在下面的測試結果中看到個人GTX 1050 Ti。

Tensorflow GPU 驗證安裝

咱們在Ubuntu 18.04上成功安裝了Tensorflow。 您能夠在Tensorflow網站上測試更多的模型，git克隆模型庫很是緩慢。所以，咱們也能夠用「本身的方法」在瀏覽器中下載張量流模型庫。 This my fisrt example.

Tensorflow 鳶尾花進行分類

---

##安裝Pytorch 咱們將使用由pytorch推薦的軟件包管理器Anaconda來安裝它。 ###安裝Anaconda 我在合肥,因此我選擇科大鏡像來下載anaconda安裝的.sh文件。 在咱們安裝了Anaconda以後。咱們必須改變「Anaconda3」的擁有者，不然咱們不能將文件寫入此目錄。 咱們檢查咱們的用戶名和用戶組。

groups

第一組一般是你如今的組。 這是個人結果。

個人用戶組

因爲個人用戶組是bryan，個人用戶名也是bryan。因此我會將下面的命令改成「chown -R bryan：brayn anaconda3」。「-R」的意思是迭代，這個參數將改變整個anacodna3文件的全部者。

chown -R YOUR_GROUp:YOUR_USER_name anaconda3

更改Anaconda頻道

在安裝pytorch以前，咱們能夠設置Anaconda鏡像源以減小等待時間。一樣，個人鏡像源是科大鏡像。

conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/ conda config --set show_channel_urls yes

###安裝Pytorch 而後咱們能夠去pytorch網站。選擇linux，python版本爲3.6，cuda版本爲9.0。請不要執行這個命令。 後一個pytorch意味着咱們將從它的官方網站下載pytorch，這對我來講很是緩慢。所以，將最後一個pytorch替換爲適合您的鏡像源。

conda install pytorch torchvision cuda91 -c https://mirrors.ustc.edu.cn/anaconda/cloud/pytorch/

驗證Pytorch

您能夠嘗試pytoch webstie上的示例。這是個人結果。

pytorch 導入數據

---

恭喜安裝成功！若是本教程任何問題，請發郵件給我。

原文：https://blossomnoodles.github.io/cnBlogs/2018/04/30/Ubuntu18.04-Tensorlow-install.html