安裝平臺

1

平臺

目前TensorFlow已支持Mac、Ubuntu和Windows三個主流平臺（64位平臺），

2

GPU vs CPU

在安裝時可以選擇安裝版本是否支持GPU，

3

二進制安裝 vs 源碼安裝

同時，安裝時可以考慮采用二進制安裝，還是源碼安裝，

4

二進制安裝

二進制安裝可以有很多選擇，

5

實際使用選擇

手頭上有兩臺電腦，

MacBook Pro （Retina， 13-inch， Early 2015）

處理器：2.7 GHz Intel Core i5

內存：8GB 1867MHz DDR3

顯卡：Intel Iris Graphics 6100 1536MB

攀升兄弟組裝臺式機

處理器：英特爾 Core i7-6700 @3.40GHz 四核

主板：華碩 B150M-ET M2 SERIES

內存：8G（威剛DDR4 2801MHz）

硬盤：三星 MZ7TE256HMHP-00000（256GB/固態硬盤）

顯卡：Nvidia GeForce GTX 950（2GB）

其中，

MacBook Pro采用基于Anaconda的二進制安裝方式（僅支持CPU）。Anaconda是一個集成平臺，包含大多數機器學習的常用工具，

NumPy：科學運算包

SciPy：在NumPy的基礎上構建，功能更加強大的科學計算包

Matplotlib：類似Matlab的繪圖工具包

Scikit-learn：經典機器學習工具包

Pandas：數據處理和分析工具包（可用于數據讀寫、清洗、填充和分析等場景）

采用Anaconda安裝方案，一方面MacBook Pro的開發環境很容易搭建（幾句命令即可完成），另一方面，基于Anaconda的環境，也可以方便驗證簡單的機器學習算法。

對于臺式機則采用了Ubuntu+GPU+TensorFlow源碼編譯的方式，進行TensorFlow環境搭建，下面我們著重介紹下這種安裝方式。

Ubuntu16.04+TensorFlow（GPU）源碼編譯

1

Ubuntu系統安裝

目前，大多數計算機，包括臺式機已沒有了光驅，同時，Ubuntu的系統安裝盤也不易獲得。針對這種情況，我們可以采用U盤來進行安裝。具體步驟可以參考：《Ubuntu 16.04 U盤安裝圖文教程》

2

禁用UEFI安全啟動

對于華碩 B150M-ET主板，UEFI默認是開啟的。而UEFI開啟會導致第三方驅動安裝失?。ㄈ顼@卡驅動，這是源碼編譯安裝GPU支持的TensorFlow，遇到的第一個坑）。具體步驟可以參考：《華碩主板禁用UEFI安全啟動》

3

安裝NVIDIA驅動

3.1安裝方式

英偉達的顯卡驅動有三種方式：

apt-get+系統設置安裝

安裝CUDA時順便安裝

官方下載最新驅動并安裝

參考：《Ubuntu 16.04安裝NVIDIA驅動》

3.2安裝步驟

本文采用第一種方案：

sudo apt-get install nvidia-367

然后進入：System Settings-》Software&Updates-》Additional Drivers-》，選擇NVIDIA Corporation［Using NVIDIA binary driver］

3.3驗證測試

nvidia-smi #若列出GPU的信息列表，表示驅動安裝成功

nvidia-settings #若彈出設置對話框，亦表示驅動安裝成功

4

安裝CUDA

CUDA（Compute Unified Device Architecture），是顯卡廠商NVIDIA推出的運算平臺。可以理解成基于GPU并行計算的應用層接口。

CUDA8.0下載地址

安裝Cuda的時候，需要關閉X服務。

sudo service lightdm stop

這時，系統會出現黑屏。此時，同時按?。跜TRL + ALT + F1］三個鍵進入命令行模式（如果不能進入命令行模式，可以參考《alt+ctrl+F1黑屏 ，解決方案》），

然后輸入［賬號］，［密碼］后登陸。

在CUDA的下載目錄運行，

sudo sh cuda_xxx.run

要注意的是，在詢問是否安裝“NVIDIA Accelerated Graphics Driver”可以選擇“是”，

Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 361.62？

（y）es/（n）o/（q）uit： y

但在后續出現詢問是否安裝“X configuration”時，則需要選擇“否”，否則之前安裝的顯卡驅動就白安裝了。

CUDA安裝結束后，則可以恢復到圖形界面模式，

sudo service lightdm start

到這里，CUDA的安裝還不算結束，需要將CUDA相關的內容添加到系統環境變量中。安裝過程中Summary提示，

Please make sure that

– PATH includes /usr/local/cuda-8.0/bin

– LD_LIBRARY_PATH includes /usr/local/cuda-8.0/lib64， or， add /usr/local/cuda-8.0/lib64 to /etc/ld.so.conf and run ldconfig as root

CUDA相關的環境變量可以放在~/.bashrc中，

vi ~/.bash_profile

在其中，增加如下兩行，

export LD_LIBRARY_PATH=“$LD_LIBRARY_PATH:/usr/local/cuda- 8.0/lib64:/usr/local/cuda-8.0/extras/CUPTI/lib64”

export CUDA_HOME=/usr/local/cuda-8.0

5

安裝cuDNN

cuDNN（CUDA Deep Neural Network）相比標準的cuda，它在一些常用的神經網絡操作上進行了性能的優化，比如卷積，pooling，歸一化，以及激活層等等。

下載地址：https://developer.nvidia.com/rdp/cudnn-download

下載cuDNN后進行解壓，并執行如下命令：

sudo cp cuda/include/cudnn.h /usr/local/cuda-8.0/include

sudo cp -d cuda/lib64/libcudnn* /usr/local/cuda-8.0/lib64

sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda-8.0/lib64/libcudnn*

6

gcc降低版本

網上說cuda8.0不支持5.0以上的編譯器，因此需要降級，把編譯器版本降到4.9，但我看了CUDA8.0的安裝手冊《NVIDIA CUDA INSTALLATION GUIDE FOR LINUX》，并沒有發現這一條，《NVIDIA CUDA INSTALLATION GUIDE FOR LINUX》

在實際使用中，還是將GCC做了降級（PS，在安裝時可以先不降級，看看是否會出問題），GCC降級方法如下，

sudo apt-get install g++-4.9

sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-4.9 20

sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-5 10

sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-4.9 20

sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-5 10

sudo update-alternatives --install /usr/bin/cc cc /usr/bin/gcc 30

sudo update-alternatives --set cc /usr/bin/gcc

sudo update-alternatives --install /usr/bin/c++ c++ /usr/bin/g++ 30

sudo update-alternatives --set c++ /usr/bin/g++

7

安裝Bazel

Bazel是一個構建工具，即一個可以運行編譯和測試來組裝軟件的工具，跟Make、Ant、Gradle、Buck、Pants和Maven一樣。TensorFlow的編譯是基于Bazel完成的。

Bazel官方地址：https://docs.bazel.build/versions/master/install.html

7.1安裝準備

7.2安裝

Bazel可以通過apt-get和下載安裝兩種方式完成，本文中，采用下載安裝的方式實現，

chmod +x PATH_TO_INSTALL.SH

。/PATH_TO_INSTALL.SH --user

8

第三方庫安裝

sudo apt-get install python-numpy swig python-dev python-wheel

sudo apt-get install libcupti-dev

sudo apt-get install git

9

TensorFlow源碼編譯

9.1下載

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

9.2編譯配置

cd ~/tensorflow

。/configure

9.3編譯安裝

bazel build -c opt //tensorflow/tools/pip_package:build_pip_package

bazel build -c opt --config=cuda //tensorflow/tools/pip_package:build_pip_package

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

sudo pip install /tmp/tensorflow_pkg/tensorflow-0.10.0-cp2-none-any.whl

至此，便完成了支持GPU的TensorFlow源碼編譯。

10

環境測試

可以通過如下代碼進行測試，

# Python

import tensorflow as tf

hello = tf.constant（‘Hello， TensorFlow！’）

sess = tf.Session（）

print（sess.run（hello））

正常測試輸出，

Hello， TensorFlow！

編輯：jq