亲自测试Ubuntu17.04(16.04)+Nvidia GT 640LE+CUDA9.0+cuDNN7.05+Tensorflow1.5(GPU)+Anaconda5.01(python3.6)

Ubuntu17.04(16.04)+Nvidia GT 640LE+CUDA9.0+cuDNN7.05+Tensorflow1.5(GPU)+Anaconda5.01(python3.6)配置安装

注：官方已经不支持ubuntu17.04了，因此将环境迁移到ubuntu16.04下，一样的编译环境编译成功。

1、详细的安装环境：

一、硬件环境：Intel酷睿3代i5（3210m-cpu）/Geforce GT 640m-LE
二、软件环境：Ubuntu17.04(64bit)/gcc6.x/bazel0.9.0/CUDA9.0/CUDAnn7.05/tensorflow1.5/Anaconda5.01(python3.6/spyder3.2.6)

三、支持指令集：sse三、sse4.一、sse4.二、avx

2、下载并安装NVIDIA CUDA Tookit 9

       一、下载： 因为官方下载版本更新为9.1，此新版本本人没有测试过是否被tensorflow1.5所支持，因此仍用9.0版本，下载地址为：https://developer.nvidia.com/cuda-90-download-archive

另提供9.0网盘分享地址供下载：https://pan.baidu.com/s/1qZNJurE  密码：p3nq

        二、安装：下载后的文件名为cuda-repo-ubuntu1704-9.0-local_9.0.176-1_amd64.deb，打开终端模拟器，输入：(经测试，cuda-ubuntu17.04版安装在ubuntu16.04上没影响，编译后的tensorflow是否有问题还有待测试)

sudo dpkg -i cuda-repo-ubuntu1704-9.0-local_9.0.176-1_amd64.deb

sudo apt-key add /var/cuda-repo-ubuntu1704-9.0-local_9.0.176-1_amd64/7fa2af80.pub

sudo apt-get update

sudo apt-get install cuda

安装的过程当中可能会更新NV显卡驱动，按提示更新便可。

        三、更新个性化设置文件.bashrc：

        在终端模拟器输入：vim ~/.bashrc

        将如下内容粘贴到文件结尾：

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

        而后输入:wq ，保存退出，最后运行 source ~/.bashrc使配置生效。

3、下载并安装cuDNN7.05

一、下载：下载cuDNN的地址(网盘中也有分享)：

https://developer.nvidia.com/cudnn

下载后文件名为cudnn-9.0-linux-x64-v7.tgz

二、安装：打开终端模拟器，进入cudnn-9.0-linux-x64-v7.tgz文件所在的目录，依次执行如下命令：

tar -zxvf cudnn-9.0-linux-x64-v7.tgz 

sudo cp cuda/include/cudnn.h /usr/local/cuda/include/ 

sudo cp -a cuda/lib64/libcudnn* /usr/local/cuda/lib64/ 

sudo chmod a+r /usr/local/cuda/include/cudnn.h 

sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

4、安装Anaconda

一、下载：由于ubuntu17.04自带python2.7，可是咱们要用3.6版的，因此要安装Anaconda面向python3.6的版本。到https://www.anaconda.com/download/#linux下载linux安装包，对应python3.6

下载后文件名为Anaconda3-5.0.1-Linux-x86_64.sh

二、安装：在终端模拟器内输入如下命令，增长可执行权限，并安装：

chmod a+x ./Anaconda3-5.0.1-Linux-x86_64.sh

./Anaconda3-5.0.1-Linux-x86_64.sh

三、安装步骤须要注意：

1）弹出 “In order to continue the installation process, please review the license agreement.” 时，点回车看license，再拉到底，点Yes。

2）回车接受default install location。

3）提示 “Do you wish the installer to prepend the Anaconda<2 or 3> install location to PATH in your /home/<user>/.bashrc ?” 时，输入Yes

4）提示“Thank you for installing Anaconda3!”时表示安装成功。

5）安装程序自动在~/.bashrc里加入了PATH环境变量，让配置生效，终端执行：

source ~/.bashrc

6）更新setuptools，终端执行：

pip install --upgrade -I setuptools

不然，安装后tensorflow后，执行import tensorflow as tf时，会出现

ImportError: No module named platflom 错误。

5、安装Bazel（Bazel须要java8以上的环境，ubuntu17.04默认Java8）

这里咱们安装java9：

sudo add-apt-repository ppa:webupd8team/java
sudo apt-get update

sudo apt-get install oracle-java9-installer

一、下载：下载Bazel0.9的sh版（bazel-0.9.0-installer-linux-x86_64.sh）下载连接：

https://github.com/bazelbuild/bazel/releases

二、安装：终端运行：

sudo chmod +x  bazel-0.9.0-installer-linux-x86_64.sh

sudo ./bazel-0.9.0-installer-linux-x86_64.sh

6、 编译并安装Tensorflow1.5（GPU版）

这有我本人根据本身的环境编译好的版本：https://pan.baidu.com/s/1jJNV8BO 密码: 4as4

一、下载：终端中执行：（若是没有安装git则执行：sudo apt-get install git安装git）

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

cd tensorflow

git checkout r1.5

二、配置编译选项：

./configure

Please specify the location of python. [Default is /home/ceiec/anaconda3/envs/tensorflow/bin/python]:

 

Found possible Python library paths:

/home/ceiec/anaconda3/envs/tensorflow/lib/python3.6/site-packages

Please input the desired Python library path to use. Default is [/home/ceiec/anaconda2/envs/tensorflow/lib/python3.6/site-packages]

 

Do you wish to build TensorFlow with jemalloc as malloc support? [Y/n]: Y （也能够选n，我选的Y）

jemalloc as malloc support will be enabled for TensorFlow.

 

Do you wish to build TensorFlow with Google Cloud Platform support? [Y/n]: n

No Google Cloud Platform support will be enabled for TensorFlow.

 

Do you wish to build TensorFlow with Hadoop File System support? [Y/n]: n

No Hadoop File System support will be enabled for TensorFlow.

 

Do you wish to build TensorFlow with Amazon S3 File System support? [Y/n]: n

No Amazon S3 File System support will be enabled for TensorFlow.

 

Do you wish to build TensorFlow with XLA JIT support? [y/N]: N

No XLA JIT support will be enabled for TensorFlow.

 

Do you wish to build TensorFlow with GDR support? [y/N]: N

No GDR support will be enabled for TensorFlow.

 

Do you wish to build TensorFlow with VERBS support? [y/N]: N

No VERBS support will be enabled for TensorFlow.

 

Do you wish to build TensorFlow with OpenCL support? [y/N]:N

No OpenCL support will be enabled for TensorFlow.

（若是选opencl，则configure会检查opencl相关的文件，这里不须要，因此选择No）

 

Do you wish to build TensorFlow with CUDA support? [y/N]:Y  （这里是必须选Y）

CUDA support will be enabled for TensorFlow.

Please specify the CUDA SDK version you want to use, e.g. 7.0. [Leave empty to default to CUDA 8.0]:9.0

 

Please specify the location where CUDA 9.0 toolkit is installed. Refer to README.md for more details. [Default is /usr/local/cuda]:

Please specify the cuDNN version you want to use. [Leave empty to default to cuDNN 6.0]:7

（上面输入7不能是7.0，不然会报错并提示你从新选）

 

Please specify the location where cuDNN 7 library is installed. Refer to README.md for more details. [Default is /usr/local/cuda]:

Please specify a list of comma-separated Cuda compute capabilities you want to build with.

You can find the compute capability of your device at: https://developer.nvidia.com/cuda-gpus.

Please note that each additional compute capability significantly increases your build time and binary size. [Default is: 3.0]3.0

（兼容性等级填3.0）

 

Do you want to use clang as CUDA compiler? [y/N]:n  (咱们用gcc编译，不用clang编译，因此选择n)

nvcc will be used as CUDA compiler.

Please specify which gcc should be used by nvcc as the host compiler. [Default is /usr/bin/gcc]:

Do you wish to build TensorFlow with MPI support? [y/N]: N
No MPI support will be enabled for TensorFlow.

Please specify optimization flags to use during compilation when bazel option "--config=opt" is specified [Default is -march=native]: 

Add "--config=mkl" to your bazel command to build with MKL support.
Please note that MKL on MacOS or windows is still not supported.
If you would like to use a local MKL instead of downloading, please set the environment variable "TF_MKL_ROOT" every time before build.

Would you like to interactively configure ./WORKSPACE for Android builds? [y/N]: N
Not configuring the WORKSPACE for Android builds.

Configuration finished

若是选择错了，就中断再来配置一遍。

三、编译：

bazel build -c opt --copt=-msse3 --copt=-msse4.1 --copt=-msse4.2 --copt=-mavx --config=opt //tensorflow/tools/pip_package:build_pip_package

（或者：bazel build -c opt --copt=-msse3 --copt=-msse4.1 --copt=-msse4.2 --copt=-mavx --copt=-mavx2 --copt=-mfma  --config=opt //tensorflow/tools/pip_package:build_pip_package

增长更多的cpu指令集，我只选了sse三、sse4.一、sse4.二、avx，由于个人cpu不支持avx2和fma指令集因此没加这两个选项）

注：这步操做比较耗时。结束后，会在路径tensorflow/tools/pip_package下产生一个脚本build_pip_package。这个脚本是用于产生“.whl”包文件的。

四、打包：

bazel-bin/tensorflow/tools/pip_package/build_pip_package /tmp/tensorflow_pkg

注：上面命令执行结束后，会在目录/tmp/tensorflow_pkg下产生文件：tensorflow-1.5.0-cp36-cp36m-linux_x86_64.whl

五、安装：

先在anaconda下建立一个tensorflow环境（也能够打开anaconda图形配置界面来建立环境，参看七）

source ~/anaconda3/bin/activate tensorflow

而后在这个tensorflow下安装tensorflow

pip install /tmp/tensorflow_pkg/tensorflow-1.5.0-cp36-cp36m-linux_x86_64.whl

安装spyder3图形开发环境

pip install spyder

启动spyder

spyder

 

7、anaconda图形界面安装配置tensorflow环境

一、启动anaconda：

打开终端模拟器输入命令：

anaconda-navigator

启动后界面以下：

选择左侧栏第二选项(Environments)

因为我已经配置过了，因此有两个选项anaconda3和tensorflow。第一次打开只有一个root选项。

选择中间栏目下边的带加号图标的Create按钮，建立新的环境：

在弹出的窗口输入tensorflow而后点Create，等待配置完成，建立完以后就是第二张图的样子了

而后鼠标左键点击tensorflow，在右侧栏上边第一个选择框那选择Not installed：

用鼠标滚轮向下找到spyder，点击在前面的选择框，右下角点击apply安装spyder，安装完将其升级到最新版3.2.6。

之后使用spyder开发环境就能够直接在终端输入spyder。