《面向机器智能的TensorFlow实践》一2.5 源码构建及安装实例:在64位Ubuntu Linux上安装GPU版TensorFlow-阿里云开发者社区

开发者社区> 华章出版社> 正文

《面向机器智能的TensorFlow实践》一2.5 源码构建及安装实例:在64位Ubuntu Linux上安装GPU版TensorFlow

简介:

本节书摘来自华章出版社《面向机器智能的TensorFlow实践》一书中的第2章,第2.5节,作者 山姆·亚伯拉罕(Sam Abrahams)丹尼亚尔·哈夫纳(Danijar Hafner)[美] 埃里克·厄威特(Erik Erwitt)阿里尔·斯卡尔皮内里(Ariel Scarpinelli),更多章节内容可以访问云栖社区“华章计算机”公众号查看。




2.5 源码构建及安装实例:在64位Ubuntu Linux上安装GPU版TensorFlow

如果希望使用带有GPU支持的TensorFlow,那么最可能的选择是从源码构建和安装。本节给出了一个完整的安装参考实例,详细介绍了安装和运行TensorFlow所需的每一具体步骤。请注意,本示例中的操作系统为64位Ubuntu Linux发行版,因此如果你使用的是其他Linux发行版,则可能需要对某些命令进行修改(如apt-get)。如果希望在Mac OS X上从源码构建TensorFlow,笔者推荐TensorFlow官网的安装指南:

https://www.tensorflow.org/versions/master/get_started/

os_setup.html#installation-for-mac-os-x

2.5.1 安装依赖库

这里假定你已安装了python-pip、python-dev和python-virtualenv。

构建TensorFlow需要事先安装少量依赖库。按照所安装的Python版本,执行下列命令:

1. Python 2.7

 

2. Python 3

 

2.5.2 安装Bazel

Bazel是一款基于谷歌内部软件的开源构建工具。在本书写作之时,为从源码构建TensorFlow,需要Bazel,因此我们必须自行安装该软件。Bazel官网中有一份非常完整的安装指南,本节只介绍一些最基本的步骤。

第一件事是确保系统中已安装Java Development Kit 8(JDK 8)。下列命令会将Oracle JDK 8代码库添加到apt源中,然后进行安装:

 

对于Ubuntu 15.10版及后续版本,也可安装Oracle JDK的替代软件OpenJDK 8。安装后者更为容易,也是笔者所推荐的,可使用下列命令在系统中安装OpenJDK:

 

在继续下一步之前,请验证Java已被正确安装:

 

Java安装完毕后,还需要安装少量其他依赖库:

 

接下来,需要下载Bazel安装脚本。为此,既可前往GitHub上的Bazel发行页面,也可使用下列wget命令。请注意,对于Ubuntu系统,需要下载“bazel-xxx-installer-linux-x86_64.sh”:

# 下载Bazel 0.3.0

 

最后,将所下载的安装脚本的权限修改为可执行的,并运行它:

 

通过使用--user选项,Bazel将被安装到$HOME/bin目录。为确保该路径被添加到环境变量PATH中,可通过下列命令对~/.bashrc进行更新:

 

重启bash终端,并运行bazel,以确保一切可正常工作:

 

非常棒!接下来,需要安装一些能够支持GPU运算的依赖软件。

2.5.3 安装CUDA软件(仅限NVIDIA GPU)

如果拥有一款支持CUDA的NVIDIA GPU,则可安装带有GPU支持的TensorFlow。支持CUDA的显卡清单可从下列网址获取:

https://developer.nvidia.com/cuda-gpus

除了确保你的GPU榜上有名,还需注意与显卡“计算能力(compute capability)”有关的量化数字。例如,GeForce GTX 1080的计算能力为6.1,而GeForce GTX TITAN X的计算能力为5.2。在编译TensorFlow时需要用到这个数字。在确定可利用CUDA后,要做的第一件事便是注册NVIDIA的“Accelerated Computer Developer Program”。为了下载安装CUDA和cuDNN所需的所有文件,这个步骤是必需的。注册链接如下:

https://developer.nvidia.com/accelerated-computing-developer

当注册完成后,你会希望下载CUDA。前往下列链接,并使用如下操作指南:

https://developer.nvidia.com/cuda-downloads

 

1)在“Select Target Platform(选择目标平台)”下方,选择下列选项:

Linux

x86_64

Ubuntu

14.04/15.04

deb(本地)

2)单击“Download(下载)”按钮,将安装文件保存在你的计算机中。该文件体积较大,因此完成下载可能需要一段较长的时间。

3)导航至包含所下载的安装文件的目录,并运行下列命令:

 

上述命令执行完毕后, CUDA将被安装到/usr/local/cuda目录下。

接下来,需要下载cuDNN,它是一款专为深度神经网络设计的基于CUDA的加速库。单击如下页面的“Download”按钮:

https://developer.nvidia.com/cudnn

用在前面创建的账号登录后,将看到一份简短的调查问卷。完成问卷后,可通过单击问卷下方的按钮进入下载页面。单击“I Agree to the Terms...”以接受下载许可协议。由于前面安装的是CUDA 7.5,所以需要下载cuDNN for CUDA 7.5(本书写作之时,笔者使用的是cuDNN v5.0)。

单击“Download cuDNN v5 for CUDA 7.5”,将下载选项展开。

 

单击“cuDNN v5 Library for Linux”,下载经过压缩的cuDNN文件。

 

导航至下载好的.tgz文件,运行下列命令,将必要的文件复制到/usr/local/cuda目录下:

 

以上便是安装CUDA所需的所有步骤。由于所有依赖库都已细心安装,接下来便可安装TensorFlow了。

2.5.4 从源码构建和安装TensorFlow

首先需要克隆GitHub上的TensorFlow代码库,然后进入其所在目录:

 

进入上述目录后,运行./configure脚本,将所使用的编译器、CUDA版本等信息通知给Bazel。请确保已记录显卡的“计算能力”数字(上文中已介绍过):

 

# 注意:若使用Python 3,需要指定为/usr/bin/python3

 

Google Cloud Platform支持目前正处于封闭alpha测试阶段。如果能够访问该程序,可在回答Google Cloud Platform支持问题时选择y(Yes)。

配置完成后,便可利用Bazel创建一个用于创建Python二进制文件的可执行程序:

 

执行上述命令需要相当长的一段时间,具体时长取决于你的计算机性能。待Bazel完成上述任务后,运行输出的可执行程序,并传入一个表示Python wheel文件存储路径的参数:

 

上述命令将在~/tensorflow/bin下创建一个Python.whl文件。请确保你的“tensor-flow”Virtualenv环境处于活动状态,然后用pip安装该wheel文件(请注意该二进制文件的具体名称会依所安装的TensorFlow版本、所使用的操作系统和Python版本而不同):

 

如果你拥有多台硬件配置类似的机器,则可使用该wheel文件在这些机器上实现TensorFlow的快速安装。

至此,TensorFlow便安装完毕!最后介绍如何安装Jupyter Notebook和matplotlib。

版权声明:如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件至:developerteam@list.alibaba-inc.com 进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容。

分享:

华章出版社

官方博客
官网链接