TensorFlow源碼編譯－基於Ubuntu 15.04

Ubuntu/Linux直接安裝：

# 僅使用 CPU 的版本
$ pip install https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.5.0-cp27-none-linux_x86_64.whl
# 開啓 GPU 支持的版本 (安裝該版本的前提是已經安裝了 CUDA sdk)
$ pip install https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-0.5.0-cp27-none-linux_x86_64.whl

源碼編譯：

克隆 TensorFlow 倉庫

$ git clone --recurse-submodules https://github.com/tensorflow/tensorflow

--recurse-submodules 參數是必須得, 用於獲取 TesorFlow 依賴的 protobuf 庫.

Linux 安裝

安裝 Bazel

首先依照 教程 安裝 Bazel 的依賴. 而後使用下列命令下載和編譯 Bazel 的源碼:

$ git clone https://github.com/bazelbuild/bazel.git
$ cd bazel
$ git checkout tags/0.1.0$ ./compile.sh

上面命令中拉取的代碼標籤爲 0.1.0, 兼容 Tensorflow 目前版本. bazel 的HEAD 版本 (即最新版本) 在這裏可能不穩定.

將執行路徑 output/bazel 添加到 $PATH 環境變量中.

安裝其餘依賴

$ sudo apt-get install python-numpy swig python-dev

可選: 安裝 CUDA (在 Linux 上開啓 GPU 支持)

爲了編譯並運行可以使用 GPU 的 TensorFlow, 須要先安裝 NVIDIA 提供的 Cuda Toolkit 7.0 和 CUDNN 6.5 V2.

TensorFlow 的 GPU 特性只支持 NVidia Compute Capability >= 3.5 的顯卡. 被支持的顯卡 包括但不限於:

• NVidia Titan

• NVidia Titan X

• NVidia K20

• NVidia K40

下載並安裝 Cuda Toolkit 7.0

下載地址

將工具安裝到諸如 /usr/local/cuda 之類的路徑.

下載並安裝 CUDNN Toolkit 6.5

下載地址

解壓並拷貝 CUDNN 文件到 Cuda Toolkit 7.0 安裝路徑下. 假設 Cuda Toolkit 7.0 安裝 在 /usr/local/cuda, 執行如下命令:

tar xvzf cudnn-6.5-linux-x64-v2.tgz
sudo cp cudnn-6.5-linux-x64-v2/cudnn.h /usr/local/cuda/include
sudo cp cudnn-6.5-linux-x64-v2/libcudnn* /usr/local/cuda/lib64

配置 TensorFlow 的 Cuba 選項

從源碼樹的根路徑執行:

$ ./configure
Do you wish to bulid TensorFlow with GPU support? [y/n] y
GPU support will be enabled for TensorFlow

Please specify the location where CUDA 7.0 toolkit is installed. Refer to
README.md for more details. [default is: /usr/local/cuda]: /usr/local/cuda

Please specify the location where CUDNN 6.5 V2 library is installed. Refer to
README.md for more details. [default is: /usr/local/cuda]: /usr/local/cuda

Setting up Cuda include
Setting up Cuda lib64
Setting up Cuda bin
Setting up Cuda nvvm
Configuration finished

這些配置將創建到系統 Cuda 庫的符號連接. 每當 Cuda 庫的路徑發生變動時, 必須從新執行上述 步驟, 不然沒法調用 bazel 編譯命令.

編譯目標程序, 開啓 GPU 支持

從源碼樹的根路徑執行:

$ bazel build -c opt --config=cuda //tensorflow/cc:tutorials_example_trainer

$ bazel-bin/tensorflow/cc/tutorials_example_trainer --use_gpu# 大量的輸出信息. 這個例子用 GPU 迭代計算一個 2x2 矩陣的主特徵值 (major eigenvalue).# 最後幾行輸出和下面的信息相似.000009/000005 lambda = 2.000000 x = [0.894427 -0.447214] y = [1.788854 -0.894427]000006/000001 lambda = 2.000000 x = [0.894427 -0.447214] y = [1.788854 -0.894427]000009/000009 lambda = 2.000000 x = [0.894427 -0.447214] y = [1.788854 -0.894427]

注意, GPU 支持需經過編譯選項 "--config=cuda" 開啓.

已知問題

• 儘管能夠在同一個源碼樹下編譯開啓 Cuda 支持和禁用 Cuda 支持的版本, 咱們仍是推薦在 在切換這兩種不一樣的編譯配置時, 使用 "bazel clean" 清理環境.

• 在執行 bazel 編譯前必須先運行 configure, 不然編譯會失敗並提示錯誤信息. 將來, 咱們可能考慮將 configure 步驟包含在編譯過程當中, 以簡化整個過程, 前提是 bazel 可以提供新的特性支持這樣.