親自測試Ubuntu17.04(16.04)+Nvidia GT 640LE+CUDA9.0+cuDNN7.05+Tensorflow1.5(GPU)+Anaconda5.01(python3.6)

Ubuntu17.04(16.04)+Nvidia GT 640LE+CUDA9.0+cuDNN7.05+Tensorflow1.5(GPU)+Anaconda5.01(python3.6)配置安裝

注：官方已經不支持ubuntu17.04了，因此將環境遷移到ubuntu16.04下，一樣的編譯環境編譯成功。

1、詳細的安裝環境：

一、硬件環境：Intel酷睿3代i5（3210m-cpu）/Geforce GT 640m-LE
二、軟件環境：Ubuntu17.04(64bit)/gcc6.x/bazel0.9.0/CUDA9.0/CUDAnn7.05/tensorflow1.5/Anaconda5.01(python3.6/spyder3.2.6)

三、支持指令集：sse三、sse4.一、sse4.二、avx

2、下載並安裝NVIDIA CUDA Tookit 9

       一、下載： 因爲官方下載版本更新爲9.1，此新版本本人沒有測試過是否被tensorflow1.5所支持，因此仍用9.0版本，下載地址爲：https://developer.nvidia.com/cuda-90-download-archive

另提供9.0網盤分享地址供下載：https://pan.baidu.com/s/1qZNJurE  密碼：p3nq

        二、安裝：下載後的文件名爲cuda-repo-ubuntu1704-9.0-local_9.0.176-1_amd64.deb，打開終端模擬器，輸入：(經測試，cuda-ubuntu17.04版安裝在ubuntu16.04上沒影響，編譯後的tensorflow是否有問題還有待測試)

sudo dpkg -i cuda-repo-ubuntu1704-9.0-local_9.0.176-1_amd64.deb

sudo apt-key add /var/cuda-repo-ubuntu1704-9.0-local_9.0.176-1_amd64/7fa2af80.pub

sudo apt-get update

sudo apt-get install cuda

安裝的過程當中可能會更新NV顯卡驅動，按提示更新便可。

        三、更新個性化設置文件.bashrc：

        在終端模擬器輸入：vim ~/.bashrc

        將如下內容粘貼到文件結尾：

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

        而後輸入:wq ，保存退出，最後運行 source ~/.bashrc使配置生效。

3、下載並安裝cuDNN7.05

一、下載：下載cuDNN的地址(網盤中也有分享)：

https://developer.nvidia.com/cudnn

下載後文件名爲cudnn-9.0-linux-x64-v7.tgz

二、安裝：打開終端模擬器，進入cudnn-9.0-linux-x64-v7.tgz文件所在的目錄，依次執行如下命令：

tar -zxvf cudnn-9.0-linux-x64-v7.tgz 

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

sudo cp -a cuda/lib64/libcudnn* /usr/local/cuda/lib64/ 

sudo chmod a+r /usr/local/cuda/include/cudnn.h 

sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

4、安裝Anaconda

一、下載：由於ubuntu17.04自帶python2.7，可是咱們要用3.6版的，因此要安裝Anaconda面向python3.6的版本。到https://www.anaconda.com/download/#linux下載linux安裝包，對應python3.6

下載後文件名爲Anaconda3-5.0.1-Linux-x86_64.sh

二、安裝：在終端模擬器內輸入如下命令，增長可執行權限，並安裝：

chmod a+x ./Anaconda3-5.0.1-Linux-x86_64.sh

./Anaconda3-5.0.1-Linux-x86_64.sh

三、安裝步驟須要注意：

1）彈出 「In order to continue the installation process, please review the license agreement.」 時，點回車看license，再拉到底，點Yes。

2）回車接受default install location。

3）提示 「Do you wish the installer to prepend the Anaconda<2 or 3> install location to PATH in your /home/<user>/.bashrc ?」 時，輸入Yes

4）提示「Thank you for installing Anaconda3!」時表示安裝成功。

5）安裝程序自動在~/.bashrc里加入了PATH環境變量，讓配置生效，終端執行：

source ~/.bashrc

6）更新setuptools，終端執行：

pip install --upgrade -I setuptools

不然，安裝後tensorflow後，執行import tensorflow as tf時，會出現

ImportError: No module named platflom 錯誤。

5、安裝Bazel（Bazel須要java8以上的環境，ubuntu17.04默認Java8）

這裏咱們安裝java9：

sudo add-apt-repository ppa:webupd8team/java
sudo apt-get update

sudo apt-get install oracle-java9-installer

一、下載：下載Bazel0.9的sh版（bazel-0.9.0-installer-linux-x86_64.sh）下載連接：

https://github.com/bazelbuild/bazel/releases

二、安裝：終端運行：

sudo chmod +x  bazel-0.9.0-installer-linux-x86_64.sh

sudo ./bazel-0.9.0-installer-linux-x86_64.sh

6、 編譯並安裝Tensorflow1.5（GPU版）

這有我本人根據本身的環境編譯好的版本：https://pan.baidu.com/s/1jJNV8BO 密碼: 4as4

一、下載：終端中執行：（若是沒有安裝git則執行：sudo apt-get install git安裝git）

git clone https://github.com/tensorflow/tensorflow

cd tensorflow

git checkout r1.5

二、配置編譯選項：

./configure

Please specify the location of python. [Default is /home/ceiec/anaconda3/envs/tensorflow/bin/python]:

 

Found possible Python library paths:

/home/ceiec/anaconda3/envs/tensorflow/lib/python3.6/site-packages

Please input the desired Python library path to use. Default is [/home/ceiec/anaconda2/envs/tensorflow/lib/python3.6/site-packages]

 

Do you wish to build TensorFlow with jemalloc as malloc support? [Y/n]: Y （也能夠選n，我選的Y）

jemalloc as malloc support will be enabled for TensorFlow.

 

Do you wish to build TensorFlow with Google Cloud Platform support? [Y/n]: n

No Google Cloud Platform support will be enabled for TensorFlow.

 

Do you wish to build TensorFlow with Hadoop File System support? [Y/n]: n

No Hadoop File System support will be enabled for TensorFlow.

 

Do you wish to build TensorFlow with Amazon S3 File System support? [Y/n]: n

No Amazon S3 File System support will be enabled for TensorFlow.

 

Do you wish to build TensorFlow with XLA JIT support? [y/N]: N

No XLA JIT support will be enabled for TensorFlow.

 

Do you wish to build TensorFlow with GDR support? [y/N]: N

No GDR support will be enabled for TensorFlow.

 

Do you wish to build TensorFlow with VERBS support? [y/N]: N

No VERBS support will be enabled for TensorFlow.

 

Do you wish to build TensorFlow with OpenCL support? [y/N]:N

No OpenCL support will be enabled for TensorFlow.

（若是選opencl，則configure會檢查opencl相關的文件，這裏不須要，因此選擇No）

 

Do you wish to build TensorFlow with CUDA support? [y/N]:Y  （這裏是必須選Y）

CUDA support will be enabled for TensorFlow.

Please specify the CUDA SDK version you want to use, e.g. 7.0. [Leave empty to default to CUDA 8.0]:9.0

 

Please specify the location where CUDA 9.0 toolkit is installed. Refer to README.md for more details. [Default is /usr/local/cuda]:

Please specify the cuDNN version you want to use. [Leave empty to default to cuDNN 6.0]:7

（上面輸入7不能是7.0，不然會報錯並提示你從新選）

 

Please specify the location where cuDNN 7 library is installed. Refer to README.md for more details. [Default is /usr/local/cuda]:

Please specify a list of comma-separated Cuda compute capabilities you want to build with.

You can find the compute capability of your device at: https://developer.nvidia.com/cuda-gpus.

Please note that each additional compute capability significantly increases your build time and binary size. [Default is: 3.0]3.0

（兼容性等級填3.0）

 

Do you want to use clang as CUDA compiler? [y/N]:n  (咱們用gcc編譯，不用clang編譯，因此選擇n)

nvcc will be used as CUDA compiler.

Please specify which gcc should be used by nvcc as the host compiler. [Default is /usr/bin/gcc]:

Do you wish to build TensorFlow with MPI support? [y/N]: N
No MPI support will be enabled for TensorFlow.

Please specify optimization flags to use during compilation when bazel option "--config=opt" is specified [Default is -march=native]: 

Add "--config=mkl" to your bazel command to build with MKL support.
Please note that MKL on MacOS or windows is still not supported.
If you would like to use a local MKL instead of downloading, please set the environment variable "TF_MKL_ROOT" every time before build.

Would you like to interactively configure ./WORKSPACE for Android builds? [y/N]: N
Not configuring the WORKSPACE for Android builds.

Configuration finished

若是選擇錯了，就中斷再來配置一遍。

三、編譯：

bazel build -c opt --copt=-msse3 --copt=-msse4.1 --copt=-msse4.2 --copt=-mavx --config=opt //tensorflow/tools/pip_package:build_pip_package

（或者：bazel build -c opt --copt=-msse3 --copt=-msse4.1 --copt=-msse4.2 --copt=-mavx --copt=-mavx2 --copt=-mfma  --config=opt //tensorflow/tools/pip_package:build_pip_package

增長更多的cpu指令集，我只選了sse三、sse4.一、sse4.二、avx，由於個人cpu不支持avx2和fma指令集因此沒加這兩個選項）

注：這步操做比較耗時。結束後，會在路徑tensorflow/tools/pip_package下產生一個腳本build_pip_package。這個腳本是用於產生「.whl」包文件的。

四、打包：

bazel-bin/tensorflow/tools/pip_package/build_pip_package /tmp/tensorflow_pkg

注：上面命令執行結束後，會在目錄/tmp/tensorflow_pkg下產生文件：tensorflow-1.5.0-cp36-cp36m-linux_x86_64.whl

五、安裝：

先在anaconda下建立一個tensorflow環境（也能夠打開anaconda圖形配置界面來建立環境，參看七）

source ~/anaconda3/bin/activate tensorflow

而後在這個tensorflow下安裝tensorflow

pip install /tmp/tensorflow_pkg/tensorflow-1.5.0-cp36-cp36m-linux_x86_64.whl

安裝spyder3圖形開發環境

pip install spyder

啓動spyder

spyder

 

7、anaconda圖形界面安裝配置tensorflow環境

一、啓動anaconda：

打開終端模擬器輸入命令：

anaconda-navigator

啓動後界面以下：

選擇左側欄第二選項(Environments)

因爲我已經配置過了，因此有兩個選項anaconda3和tensorflow。第一次打開只有一個root選項。

選擇中間欄目下邊的帶加號圖標的Create按鈕，建立新的環境：

在彈出的窗口輸入tensorflow而後點Create，等待配置完成，建立完以後就是第二張圖的樣子了

而後鼠標左鍵點擊tensorflow，在右側欄上邊第一個選擇框那選擇Not installed：

用鼠標滾輪向下找到spyder，點擊在前面的選擇框，右下角點擊apply安裝spyder，安裝完將其升級到最新版3.2.6。

之後使用spyder開發環境就能夠直接在終端輸入spyder。