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。
