在腾讯云上搭建 Tensorflow for GPU 深度学习环境 —— Jinkey 原创

原文连接 jinkey.ai/post/tech/z…
本文做者 Jinkey（微信公众号 jinkey-love，官网 jinkey.ai）
文章容许非篡改署名转载，删除或修改本段版权信息转载的，视为侵犯知识产权，咱们保留追求您法律责任的权利，特此声明！

前言

写文章日期 2017年 11月 11日
当前软件版本
NVIDIA-Linux-x86_64-384.81.run
nvidia-diag-driver-local-repo-rhel7-384.81-1.0-1.x86_64.rpm
cuda-repo-rhel7-9.0.176-1.x86_64.rpm
cudnn-9.0-linux-x64-v7
tensorflow_gpu-1.4.0-cp27-none-linux_x86_64.whl

购买服务器

登陆控制台，云服务器 - 云主机 - 地区选择“北京” - 新建，土豪能够选择包月哦

配置如图

选择好以后呢，配置以后点击开通（帐户余额须要足够，哈哈，此处应有广告费）
等待主机安装好，以后，在控制台获取到公网 IP（好比123.123.123.123），用 ssh 登陆。

ssh root@123.123.123.123复制代码

登陆以后，看看输入

cat /proc/version复制代码

查看你的 Linux 版本，企鹅云用的是

Linux version 3.10.0-693.5.2.el7.x86_64 (builder@kbuilder.dev.centos.org) (gcc version 4.8.5 20150623 (Red Hat 4.8.5-16) (GCC) ) #1 SMP Fri Oct 20 20:32:50 UTC 2017

因此教程的相关依赖我都会下载 Red Hat 版本的

image.png

下载依赖

依赖能够直接经过 wget 下载到主机上，也能够先下载到 PC 本地再经过 xftp（Windows）或 Filezilla（Mac）上传。

下载NVIDIA驱动
www.nvidia.com/Download/Fi…

NVIDIA驱动

这里给出 Red Hat 版本 的下载地址
cn.download.nvidia.com/tesla/384.8…

下载 CUDA
developer.nvidia.com/cuda-downlo…

CUDA

下载后获得cuda-repo-rhel7-9.0.176-1.x86_64.rpm

这里给出 Red Hat 版本 的下载地址
developer.download.nvidia.com/compute/cud…

下载 cuDNN
developer.nvidia.com/rdp/cudnn-d…（须要注册和填写问卷以后下载）

cuDNN

这里给出 通用 Linux 版本 的下载地址
developer.nvidia.com/compute/mac…

安装 NVIDIA驱动

方法一（官方推荐方法）
在下载页面就有安装方法介绍，不一样版本系统安装方法不一样

如下是 RH 的安装方法：

# 请替换文件名为你下载依赖时对应的文件名, 公众号 jinkey-love
rpm -i nvidia-diag-driver-local-repo-rhel7-384.81-1.0-1.x86_64.rpm
yum clean all
yum install cuda-drivers
reboot复制代码

方法二（极限偷懒版）

# 安装 Development Tools 软件包
sudo yum update
sudo yum group install 'Development Tools'
# 安装 elrepo 源
sudo rpm --import https://www.elrepo.org/RPM-GPG-KEY-elrepo.org
sudo rpm -Uvh http://www.elrepo.org/elrepo-release-7.0-2.el7.elrepo.noarch.rpm
# 探测要安装的包
sudo yum install nvidia-detect
nvidia-detect
# 安装
sudo yum install kmod-nvidia复制代码

安装 CUDA

在下载页面就有安装方法介绍，不一样版本系统安装方法不一样，下面是以 RH 为例：

# 请替换文件名为你下载依赖时对应的文件名, 公众号 jinkey-love
sudo rpm -i cuda-repo-rhel7-9.0.176-1.x86_64.rpm
sudo yum clean all
sudo yum install cuda复制代码

添加 CUDA 到环境变量

vim ~/.bash_profile复制代码

加入

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

由于写教程的时候 tensorflow 1.4.0 要支持 CUDA 9.0 的话，还须要从源码编译来安装，因此为了不经过 pip 安装会出现 ImportError: libcublas.so.8.0: cannot open shared object file: No such file or directory的错误，能够先使用 CUDA8.0（安装 CUDA 9.0 的时候也会同时安装上8.0 的，因此你不须要从新安装），此时环境变量能够这么写：

export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda-8.0/lib64"
export CUDA_HOME=/usr/local/cuda-8.0

安装 cuDNN

# 请替换文件名为你下载依赖时对应的文件名, 公众号 jinkey-love
tar -xzvf cudnn-9.0-linux-x64-v7-tgz
sudo cp cuda/include/cudnn.h /usr/local/cuda/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn.h复制代码

安装 Python 依赖

企鹅云自带了 python 2.7

# 安装 pip
sudo yum install python-pip python-devel
sudo pip install --upgrade pip复制代码

安装 Tensorflow

方法一 源码编译（要使用 CUDA9.0目前之能支持这种方法）
方法二 pip
pip install tensorflow-gpu --upgrade

安装 matplotlib

sudo yum install freetype-devel
# 公众号 jinkey-love，官网 jinkey.ai
sudo yum install libpng-devel
sudo pip install matplotlib复制代码

安装 Keras

Keras 封装了 Theano 和 Tensorflow 的高度模块化的深度学习库，很是适合新手。

sudo pip install keras --upgrade复制代码

Keras 默认后端为 Theano 因此咱们要修改成 Tensorflow

vim .keras/keras.json复制代码

修改成

{
    "image_dim_ordering": "tf", 
    "epsilon": 1e-07, 
    "floatx": "float32", 
    "backend": "tensorflow"
}复制代码

完成

实战了一下，一样的项目下，GPU 训练速度比 CPU 训练快了 187 倍。若是你以为教程有用，能够微信打赏我哦

参考资料

安装 NVIDIA 驱动指引
安装 CUDA 驱动指引
ImportError: libcublas.so.8.0解决办法