Mac下CUDA开启及Tensorflow-gpu 1.4 安装

本文由@ray 出品，转载请注明出处。
文章链接： http://www.cnblogs.com/wolfray/p/8040694.html

在之前的文章中，笔者介绍了在Mac下安装Tensorflow及开发环境搭建。但是感觉用CPU跑机器学习还是太慢了，所以便研究研究如何使用GPU来跑。

1.运行环境

软件环境：
macOS Sierra 10.12.6
Xcode 8.2.1
Python 2.7
Homebrew

GPU Driver: WebDriver-378.05.05.25f03
CUDA Driver: cudadriver-8.0.90-macos
CudaToolkit: cuda_8.0.61_mac
CUDNN: cudnn-8.0-osx-x64-v6.0

硬件环境：
CPU：2.3 GHz Intel Core i7
Memory：16 GB 1600 MHz DDR3
GPU：NVIDIA GeForce GT 750M 2048 MB

这里写图片描述

首先需要注意的是，新版的Macbook现在搭载的都是A卡，这类机器的话除了用OpenCL的方法之外，还可以通过外置显卡的方法跑机器学习。

2.CUDA安装

首先需要说明的是：CUDA Driver与NVIDIA GPU Driver的版本必须一致，才能让CUDA找到显卡。

在mac上安装CUDA最麻烦的事情就是版本匹配问题，这个版本匹配指的是MacOS版本和CUDA Driver、GPU Driver的版本都要匹配。这个网站提供了详细的版本对照：http://www.macvidcards.com/drivers.html

1.先根据macOS 10.12.6版本，在这个网站http://www.macvidcards.com/drivers.html找到相应的GPU Driver-378.05.05.25f03（笔者的是这个版本），下载安装。
（链接:https://pan.baidu.com/s/1dFB6RzN 密码:rbcv）

2.再进入CUDA Driver页面http://www.nvidia.com/object/mac-driver-archive.html，找到和GPU driver匹配的版本(cudadriver-8.0.90-macos笔者下的是这个)，然后下载安装。

3.再进入CUDA Toolkit页面https://developer.nvidia.com/cuda-toolkit-archive，下载、安装CUDA Toolkit（笔者安装的是cuda_8.0.61_mac）
（链接:https://pan.baidu.com/s/1bppWjt9 密码:pthw）

4.CUDNN，笔者这里下的是 cudnn-8.0-osx-x64-v6.0 https://developer.nvidia.com/rdp/cudnn-download
（链接:https://pan.baidu.com/s/1c2Nee1E 密码:rpgq）

在以上①②③个东西都安装好之后，配置 CUDA 环境，编辑 ~/.bash_profile 文件，打开终端：

open -e .bash_profile

然后在弹出的文件中添加：

export CUDA_HOME=/usr/local/cuda
export DYLD_LIBRARY_PATH="$CUDA_HOME/lib:$CUDA_HOME/extras/CUPTI/lib"
export LD_LIBRARY_PATH=$DYLD_LIBRARY_PATH
export PATH=$DYLD_LIBRARY_PATH:$PATH
export flags="--config=cuda --config=opt"

执行命令重启bash_profile

$ . ~/.bash_profile

检测CUDA能否正常运行：

$ cd /usr/local/cuda/samples
$ sudo make -C 1_Utlities/deviceQuery
$ ./bin/x86_64/darwin/release/deviceQuery

如果最后显示 Result = PASS，那么CUDA就工作正常

随后再安装CUDNN

下好后直接把cudnn-8.0-osx-x64-v6.0.tar压缩包丢到这下面，这是在安装CUDA的时候他就帮你建好的一个路径。

/Developer

然后解压它。

sudo tar xvf cudnn-8.0-osx-x64-v6.0.tar

官方解压出来叫做cuda应该意思就是让你放到cuda这个文件夹下和cuda自己的文件合并。

在了解cuda的前情后，就知道怎么装这个cudnn了。

sudo mv include/cudnn.h /Developer/NVIDIA/CUDA-8.0/include/
sudo mv lib/libcudnn* /Developer/NVIDIA/CUDA-8.0/lib
ln -s /Developer/NVIDIA/cudnn/include/* /usr/local/cuda/include/
ln -s /Developer/NVIDIA/cudnn/lib/* /usr/local/cuda/lib/

至此CUDA部分安装结束。

附上一张用CUDA-Z查看的图:
（链接:https://pan.baidu.com/s/1slxBoPf 密码:d43e）
这里写图片描述

3.Tensorflow_gpu安装

这里依然是基于之前文章中提到的Anaconda环境进行安装，不知道的同学可以看这里http://blog.csdn.net/wz22881916/article/details/78495543

3.1 打开终端，输入以下命令创建环境：

$ conda create -n tensorflow_gpu python=2.7

3.2 激活环境：

$ source activate tensorflow_gpu

3.3 安装tensorflow：

安装tensorflow的时候特别的需要小心，因为tensorflow团队宣布停止支持1.2以后mac 版的tensorflow了。

如果你直接用pip install 的方法的话，那么应该会装成1.1版的tensorflow：

pip install tensorflow-gpu

我来详细的介绍一下安装tensorflow-gpu 1.4版的步骤：

你可以选择自己从源码编译tensorflow进行安装，或者使用别人编译好的进行安装。

笔者这里提供一个环境为python=2.7，CUDA=8.0，CUDNN=6，Compute Capability=3.0,3.5,5.2,6.1,tensorflow=1.4.0的版本给大家。如果你装的版本和笔者在上文中提到的一样的话，那么下载下来这个包之后，
（链接:https://pan.baidu.com/s/1hsgY5Kg 密码:suq7）

cat 到下载目录下，

然后直接

pip install tensorflow-1.4.0-cp27-cp27m-macosx_10_12_intel.whl

即可

其中cp27代表的是python的版本为2.7版的，如果是cp35，cp36，那么就代表是python3.5或者python3.6的；macosx_10_12代表的是操作系统的版本号

3.4 测试tensorflow

运行python环境
执行如下测试脚本：

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

3 . 测试结果：

2017-12-14 23:26:26.352229: I tensorflow/core/platform/cpu_feature_guard.cc:137] Your CPU supports instructions that this TensorFlow binary was not compiled to use: SSE4.2 AVX AVX2 FMA
2017-12-14 23:26:27.049231: I tensorflow/stream_executor/cuda/cuda_gpu_executor.cc:859] OS X does not support NUMA - returning NUMA node zero
2017-12-14 23:26:27.050014: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1062] Found device 0 with properties: 
name: GeForce GT 750M major: 3 minor: 0 memoryClockRate(GHz): 0.9255
pciBusID: 0000:01:00.0
totalMemory: 2.00GiB freeMemory: 1.71GiB
2017-12-14 23:26:27.050043: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1152] Creating TensorFlow device (/device:GPU:0) -> (device: 0, name: GeForce GT 750M, pci bus id: 0000:01:00.0, compute capability: 3.0)

Hello, TensorFlow!