在Ubuntu 18.04上安装Tensorflow

咱们将经历几个阶段，安装cuda-9.0，cudnn和tensorflow cpu以及tensorflow gpu版本。最后咱们将用cuda-9.0安装pytorch。在MARVEl电影中黑寡妇的“我与这场战争做战，因此你没必要”。

昨天晚上，2018年4月29日，我成功在Ubuntu 18.04上安装了Tensorflow。可是，安装Tensorflow的关键是正确安装Cuda和cuDNN libray，由于昨晚Tensorflow编译的运行文件只支持cuda-9.0。检查这个帖子是否是已通过时。 在咱们安装Cuda-9.0以前，您可能须要将ubuntu镜像源网站更改成适合您的最新版本。我把它改为了mirro.ustc.edu.cn， 由于我在中国安徽合肥。和ubuntu16.04不一样，你须要显示应用程序页面中搜索软件和更新。 而后请将GPU驱动更改成由Nvidia测试的390版本。

---

安装Cuda-9.0

阅读完Tensorflow网站，咱们知道咱们必须首先安装cuda9.0。首先百度CUDA-9.0 ,.而后选择linux，而后ubuntu-16.04，最后下载runfile，即1.6 GB，但能够很是快速地下载。

在咱们安装runfile以前，咱们须要安装一些依赖关系，不然你会获得“Missing recommended libary”这样的警告。

Libray警告

安装像这样的依赖关系。

sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev

接下来，让咱们像这样同样安装cuda-9.0。

sudo chmod 777 *.runfile # give permission to run all the runfile files sudo ./cuda_9.0.176_384.81_linux.run -toolkit -samples -silent -override #

cuda-9.0安装路径是“/usr/local/cuda-9.0”。为避免missing libray错误，咱们在cuda-9.0的这个目录中建立一个符号连接“cuda”。

cd /usr/local sudo ln -s /usr/local/cuda-9.0 cuda # create the symbolic link

在验证咱们安装cuda-9.0以前，咱们会下降咱们的gcc版本，不然咱们会获得”gcc later than 6 is not supported error” 这样的错误。

GCC错误

检查这个和Ubuntun 18.04上的gcc版本，咱们决定下降咱们的gcc版本。

gcc --version # check ubuntu 18.04 gcc version, you will find it's 7.3.0 sudo apt install gcc-5 g++-5 sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-5 50 # you will find that message that tells you the gcc-5 is set to be automatic. sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-5 50 # similiar message as gcc

将cuda设置为环境变量

export PATH=/usr/local/cuda-9.1/bin${PATH:+:${PATH}} export LD_LIBRARY_PATH=/usr/local/cuda-9.1/lib64\ ${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}

验证cuda-9.0安装

cd NVIDIA_CUDA-9.0_Samples/5_Simulations/fluidsGL make clean && make ./fluidsGL

若是cuda-9.0正确安装，在咱们的制做过程当中应该没有错误信息。而后咱们能够获得流体模拟。

流体模拟示例

咱们的cuda-9.0已成功安装！在咱们继续以前， 咱们能够测试一下其余的sample。

---

安装cuDNN7.0

让咱们安装cuDNN库来加速咱们的深度学习算法。注册，点击“Archived cuDNN Releases”。而后下载 cuDNN v7.0.5 (Dec 5, 2017), for CUDA 9.0 下载三个文件ubuntu16.04文件 runtime library. developer library, and code samples and user guide。

sudo dpkg -i libcudnn7_7.0.5.11-1+cuda9.0_amd64.deb sudo dpkg -i libcudnn7-dev_7.0.5.11-1+cuda9.0_amd64.deb sudo dpkg -i libcudnn7-doc_7.0.5.11-1+cuda9.0_amd64.deb

安装Freeimage

在咱们验证cuDNN以前，咱们必须首先安装freeimage lilbray做为ministCUDNN示例代码的依赖关系。不然，会有提示要求咱们正确设置Freeimage。

sudo apt-get install libfreeimage3 libfreeimage-dev

验证cuDNN安装

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

若是一切正常，咱们能够获得咱们的结果 - “测试经过！”

ministCUDNN 示例

咱们也能够编译其余示例。

---

安装Tensorlfow

咱们将使用virualenv安装。 首先安装libcupti-dev库。

sudo apt-get install libcupti-dev export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/extras/CUPTI/lib64

而后咱们将安装virtualenv并建立一个Tensorflow Environment。

sudo apt-get install python3-pip python3-dev python-virtualenv virtualenv --system-site-packages -p python3 tensorflow # create a enviroment named tensorflow

这须要一段时间，请耐心等待。

安装Tensorflow CPU版本

当环境建立好了，咱们必须在每次使用tensorflow时激活它。首先按照推荐安装tensorflow cpu version。

source ~/tensorflow/bin/activate pip3 install --upgrade tensorflow # install the cpu version

验证Tensorflow CPU版本

在同一个环境中，这意味着你会在你的shell中看到它。

(tensorflow)$

键入python和下面的python代码。

python

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

这是个人结果。虽然它与官方验证结果不一样，可是应该没问题。

>>> print(sess.run(hello))
b'Hello, TensorFlow!'
>>> 

###安装Tensorflow GPU版本 首先确保咱们处于同一环境中。

pip3 install --upgrade tensorflow-gpu

可是,下载whl文件的网速较慢。因此咱们能够用本身的“方法”到浏览器中的whl文件和本地pip3安装。

验证Tensorflow GPU版本

仍然确保你在Tensorflow Enviroment。

键入python和下面的python代码。

python

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

结果是同样的。可是咱们能够看到咱们的GPU设备正在工做。您能够在下面的测试结果中看到个人GTX 1050 Ti。

Tensorflow GPU 验证安装

咱们在Ubuntu 18.04上成功安装了Tensorflow。 您能够在Tensorflow网站上测试更多的模型，git克隆模型库很是缓慢。所以，咱们也能够用“本身的方法”在浏览器中下载张量流模型库。 This my fisrt example.

Tensorflow 鸢尾花进行分类

---

##安装Pytorch 咱们将使用由pytorch推荐的软件包管理器Anaconda来安装它。 ###安装Anaconda 我在合肥,因此我选择科大镜像来下载anaconda安装的.sh文件。 在咱们安装了Anaconda以后。咱们必须改变“Anaconda3”的拥有者，不然咱们不能将文件写入此目录。 咱们检查咱们的用户名和用户组。

groups

第一组一般是你如今的组。 这是个人结果。

个人用户组

因为个人用户组是bryan，个人用户名也是bryan。因此我会将下面的命令改成“chown -R bryan：brayn anaconda3”。“-R”的意思是迭代，这个参数将改变整个anacodna3文件的全部者。

chown -R YOUR_GROUp:YOUR_USER_name anaconda3

更改Anaconda频道

在安装pytorch以前，咱们能够设置Anaconda镜像源以减小等待时间。一样，个人镜像源是科大镜像。

conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/ conda config --set show_channel_urls yes

###安装Pytorch 而后咱们能够去pytorch网站。选择linux，python版本为3.6，cuda版本为9.0。请不要执行这个命令。 后一个pytorch意味着咱们将从它的官方网站下载pytorch，这对我来讲很是缓慢。所以，将最后一个pytorch替换为适合您的镜像源。

conda install pytorch torchvision cuda91 -c https://mirrors.ustc.edu.cn/anaconda/cloud/pytorch/

验证Pytorch

您能够尝试pytoch webstie上的示例。这是个人结果。

pytorch 导入数据

---

恭喜安装成功！若是本教程任何问题，请发邮件给我。

原文：https://blossomnoodles.github.io/cnBlogs/2018/04/30/Ubuntu18.04-Tensorlow-install.html