tensorflow的安装和注意事项

想了一下还是把tensorflow安装的过程整理一下吧，万一时间久了忘了呢。

终于tensorflow的安装可以告一段落了，内心还是很兴奋的，这次还是好好的整理下。

尤其是注意的地方，往往时我折腾了好久，查阅了大量的资料，测试了好多次，才验证出来的硕果。

1、准备工作

　　1、更换源，好的软件源，直接决定你的安装速度。这里选择清华的。

　　操作：进入：设置 --> 软件和更新 --> Ubuntu软件，打开下载自：选择 其他，选择清华。点击 选择服务器 确认，在弹出框选择，重新载入。

　　2、更新软件包，防止有些工具没有安装上。

sudo apt update

　　3、打开：设置 --> 软件和更新 --> 附加驱动

　　选择NVIDIA公司专有的最新驱动，选择应用更改。时间较长，请耐心等待。

2、安装cuda

　　下载文件，这里我选择run本地文件，进入文件所在目录，并运行，XXX代指文件名，历史版本

sudo sh XXX.run

　　安装注意，这时会出现很多信息，按ctr+c关闭信息，再按accept接受。

　　接下来询问是否，安装驱动，输入n，不要安装。因为已经安装过。

　　一路输入y，或者回车。

　　进入/home/用户名/NVIDIA_CUDA-8.0_Samples/1_Utilities/deviceQuery，打开终端，输入

sudo make

　　然后输入

./deviceQuery

　　如果显示pass，说明cuda安装成功，如果显示说，cuda驱动不满足于cuda运行库，说明驱动太旧，或者cuda太新。参照修改。

3、下载并安装cudnn（本段参照于http://blog.csdn.net/m0_37924639/article/details/78785699）

　　下载cudnn，安装CUDNN

　　进入CUDNN安装包所在目录，执行以下命令：

sudo dpkg -i runtime包.deb
sudo dpkg -i developer包.deb
sudo dpkg -i 代码sample包.deb

　　报错查看此项https://blog.csdn.net/u011636567/article/details/77162217

　　至此，CUDNN安装完成。

　　验证CUDA和CUDNN是否安装成功

　　CUDNN的code sample可以用来检查CUDNN和CUDA是否安装成功，执行以下命令：

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

　　正常情况下执行以上代码会得到Test passed!的结果。如果在make步出错，那么可能gcc需要降级（由于一直未出现类似错误，作者未验证）；

　　如果出现CUDA driver version is insufficient for CUDA runtime version，说明你的显卡驱动版本低于cuda工具包的版本。

　　如果下载的是压缩包，那个运行库，可以使用下面的。

cd  /home/***(自己的用户名)/Desktop/###(这个命令意思是找到刚刚我们用U盘传过来的文件)
tar xvzf cudnn-8.0-linux-x64-v5.1-ga.tgz###（解压这个文件）
sudo cp cuda/include/cudnn.h /usr/local/cuda/include###（复制）
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64###（复制）
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*

4、版本说明

　　1、显卡驱动要高于cuda版本，cudnn要选择和cuda版本一样的

　　2、建议安装的cuda版本和驱动的版本一致，比如我的驱动目前只能是384.11（9.0版本），最好安装cuda工具包9.0

　　3、安装对应的cudnn9.0

4、安装tensorflow　　

在配置完cudnn之后，可以直接在终端输入

sudo pip install tensorflow==1.5.0

或者安装CPU版本

sudo pip install tensorflow==1.5.0

如果网速不好的话，也可以自己在https://github.com/tensorflow/tensorflow下载whl文件，往下翻，在installation下面，然后使用

 

sudo pip install xxx.whl

　5、简便安装的方法

如果确定了自己的显卡支持的最高版本驱动，可以直接参照下面的方法：

1、cuda的下载和安装

　　下载适合你的cuda版本（包含驱动，即驱动版本）

　　关闭目前的图形界面，

sudo service lightdm stop

　　按住ctr + alt + f1,进入命令行界面，输入帐号和密码，并且登录。

　　进入你的cuda下载目录，比如我的在Download里面

cd Download
sudo sh XXX.run --silent --overide

　　不输入参数，先accept，一路y或者回车默认

　　打开图像界面

sudo service lightdm start

　　进入图形界面，按下ctr + alt + f7

　　进入用户主路径

cd ~

　　进入cuda的例子make并且运行，验证是否正确安转cuda

cd /home/shuailing/NVIDIA_CUDA-9.0_Samples/1_Utilities/deviceQuery
make
./dedeviceQuery

　　如果最后一行显示pass，说明安装成功。

　　注意：这个方法，我在工作站安装成功，在自己的电脑上失败，出现的现象时，反复登录。

　　解决方法：先安装显卡驱动，在安装cuda，在安装cuda的时候，询问是否安装cuda驱动（显卡驱动），选择否。

　　如果，出现了重启可以切换回之前的驱动。

2、下载并安装cudnn

　　下载cudnn，安装CUDNN

　　进入CUDNN安装包所在目录，执行以下命令：

sudo dpkg -i runtime包.deb
sudo dpkg -i developer包.deb
sudo dpkg -i Codesample包.deb　

注意：这里需要按照这个顺序来进行，负责最后的代码测试包，是无法安装的。

　　如果测试说，找不到，libdart文件，说明没有把 cuda的lib库加入LD_LIBRARY_PATH中。

　　这个之前也加入过，但是总是有其他的意外，这里把加入环境变量，再说一便。

sudu gedit .bashrc

　　把下面两行加入.bashrc最后

export PATH=$PATH:/usr/local/cuda-9.0/bin
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-9.0/lib64

　　输入下面命令使其立即生效，之前的cudnn测试的窗口。需要重新打开，才能更新新的环境变量。

source .bashrc

　　如果是解压放入到库中的，还需要对其libcudnn进行链接，ln -s 源文件 目标文件

3、安装tensorflow-gpu

　　下载tensorflow-gpu，之后进入下载路径

　　pip安装

sudo pip install tensorflow_gpu-1.6.0-cp27-cp27mu-manylinux1_x86_64.whl

这个tensorflow-gpu==1.6.0，需要实测，cuda9+cudnn7.0可以用，之前用cuda9+cudnn7.1运行程序说，找到cudnn7.1版本，但是期望是7.0。程序报错。

4、验证

python
import tensorflow

　　不报错说明安装成功。　　

6、源码安装

1、克隆tensorflow

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

2、进入下载目录的tensorflow主目录，配置编译环境

./configure

　　除了Cuda、Cudnn相关的yes，其余的不相关的都选择n。剩下的默认回车就好。

3、完成之后编译

sudo bazel build -c opt --config=cuda //tensorflow/tools/pip_package:build_pip_package
sudo mkdir /tmp/tensorflow_pkg
sudo bazel-bin/tensorflow/tools/pip_package/build_pip_package /tmp/tensorflow_pkg
sudo pip install/tmp/tensorflow_pkg/tensorflow-1.2.0rc2-cp27-cp27mu-linux_x86_64.whl

　　之前因为权限不够，编译出错不加载，执行第三条说找不到文件。现在全部加了权限。

4、参照上面的测试

 5、最后的注意：

　　描述：在我运行程序的时候，终端运行正常使用GPU，可是在pycharm中运行就报错，说找不到libcublas.so.9.0.源码编译的时候也说找不到/usr/bin/ld的什么文件。

　　尝试的方法：tensorflow降级，结果不可以。实际上我的cuda和cudnn都是要求的9.0和7.0,明明在/usr/local/cuda/lib64中可以找到这个文件的。可是不论是降级还是配置cudnn的libcudnn.so的链接都不行。

　　后来，在手机上偶然查到。

　　解决方案：在/etc/ld.so.conf中最后一行添加/usr/local/cuda-9.0/lib64。或者在ld.so.conf.d这个目录新建一个档案，以.conf结尾（建议），最后输入sudo ldconfig使其立即生效。

　　解释：其实上面那个含有libculas的路径，正常的已经被添加到LD_LIBRARY_PATH中了，可是程序运行的时，不一定回读到这个变量，所以需要设置/etc/ld.so.conf把，含有libcublas的路进加入的系统中。