使用亚马逊云服务器EC2做深度学习（三）配置TensorFlow

这是《使用亚马逊云服务器EC2做深度学习》系列的第三篇文章。

（一）申请竞价实例  （二）配置Jupyter Notebook服务器  （三）配置TensorFlow  （四）配置好的系统镜像

TensorFlow是Google发布的深度学习框架，支持Python和C++的接口。TensorFlow既可以用于学术研究，也可以用于生产环境。许多Google的内部服务，就使用了TensorFlow，比如Gmail、语音识别等。

网络上TensorFlow的教程也很丰富，官方文档在第一时间就被翻译成来中文。

如果让我来评价一下的话，我会说Google出品必属精品。

 

配置TensorFlow的环境，需要安装很多GPU的驱动，非常繁琐。下面的配置脚本是我根据其它教程提供的脚本修改而来。

配置中操作系统的版本是Ubuntu14.04，TensorFlow的版本是目前的最新版本0.11，Python使用的是Anaconda3发行版，Python的版本是Python3.5。

一个注意事项是，选择AWS EC2的区的时候，尽量选择美国或者欧洲地区，不然下载驱动的速度比较慢，需要耗费很长时间。

（1）更新系统，安装必要文件

# install the required packages
sudo apt-get update && sudo apt-get -y upgrade
sudo apt-get -y install linux-headers-$(uname -r) linux-image-extra-`uname -r`

（2）安装Cuda 7.5

# install cuda 7.5
CUDA_FILE=cuda-repo-ubuntu1404_7.5-18_amd64.deb
wget http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1404/x86_64/${CUDA_FILE}
sudo dpkg -i ${CUDA_FILE}
rm ${CUDA_FILE}
sudo apt-get update
sudo apt-get install -y cuda-7-5

（3）安装cudnn 5.1

# get cudnn 5.1
CUDNN_FILE=cudnn-7.5-linux-x64-v5.1.tgz
wget http://developer.download.nvidia.com/compute/redist/cudnn/v5.1/${CUDNN_FILE}
tar xvzf ${CUDNN_FILE}
rm ${CUDNN_FILE}
sudo cp cuda/include/cudnn.h /usr/local/cuda/include # move library files to /usr/local/cuda
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*
rm -rf cuda

（4）添加环境变量

# set the appropriate library path
echo 'export CUDA_HOME=/usr/local/cuda
export CUDA_ROOT=/usr/local/cuda
export PATH=$PATH:$CUDA_ROOT/bin:$HOME/bin
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CUDA_ROOT/lib64
' >> ~/.bashrc

（5）安装Anaconda

# install anaconda
ANACONDA_FILE=Anaconda3-4.2.0-Linux-x86_64.sh
wget https://repo.continuum.io/archive/${ANACONDA_FILE}
bash ${ANACONDA_FILE} -b -p /mnt/bin/anaconda3
rm ${ANACONDA_FILE}
echo 'export PATH="/mnt/bin/anaconda3/bin:$PATH"' >> ~/.bashrc

（6）安装TensorFlow

# install tensorflow
TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-0.11.0rc0-cp35-cp35m-linux_x86_64.whl
/mnt/bin/anaconda3/bin/pip install $TF_BINARY_URL

exec bash

 

下面是完整的配置脚本：

#!/bin/bash

# stop on error
set -e
############################################
# install into /mnt/bin
sudo mkdir -p /mnt/bin
sudo chown ubuntu:ubuntu /mnt/bin

# install the required packages
sudo apt-get update && sudo apt-get -y upgrade
sudo apt-get -y install linux-headers-$(uname -r) linux-image-extra-`uname -r`

# install cuda 7.5
CUDA_FILE=cuda-repo-ubuntu1404_7.5-18_amd64.deb
wget http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1404/x86_64/${CUDA_FILE}
sudo dpkg -i ${CUDA_FILE}
rm ${CUDA_FILE}
sudo apt-get update
sudo apt-get install -y cuda-7-5

# get cudnn 5.1
CUDNN_FILE=cudnn-7.5-linux-x64-v5.1.tgz
wget http://developer.download.nvidia.com/compute/redist/cudnn/v5.1/${CUDNN_FILE}
tar xvzf ${CUDNN_FILE}
rm ${CUDNN_FILE}
sudo cp cuda/include/cudnn.h /usr/local/cuda/include # move library files to /usr/local/cuda
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*
rm -rf cuda

# set the appropriate library path
echo 'export CUDA_HOME=/usr/local/cuda
export CUDA_ROOT=/usr/local/cuda
export PATH=$PATH:$CUDA_ROOT/bin:$HOME/bin
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CUDA_ROOT/lib64
' >> ~/.bashrc

# install anaconda
ANACONDA_FILE=Anaconda3-4.2.0-Linux-x86_64.sh
wget https://repo.continuum.io/archive/${ANACONDA_FILE}
bash ${ANACONDA_FILE} -b -p /mnt/bin/anaconda3
rm ${ANACONDA_FILE}
echo 'export PATH="/mnt/bin/anaconda3/bin:$PATH"' >> ~/.bashrc

# install tensorflow
TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-0.11.0rc0-cp35-cp35m-linux_x86_64.whl
/mnt/bin/anaconda3/bin/pip install $TF_BINARY_URL

# install monitoring programs
#sudo wget https://git.io/gpustat.py -O /usr/local/bin/gpustat
#sudo chmod +x /usr/local/bin/gpustat
#sudo nvidia-smi daemon
#sudo apt-get -y install htop

# reload .bashrc
exec bash