深度学习--安装TensorFlow框架

安装CPU版本TensorFlow

创建virtualenv环境

$ sudo apt-get install python-pip python-dev python-virtualenv
$ virtualenv tensorflow_cpu

激活virtualenv环境

$ source tensorflow_cpu/bin/activate

安装TensorFlow和其他相关的python包

(tensorflow_cpu)$ pip install tensorflow
(tensorflow_cpu)$ pip install ipython
(tensorflow_cpu)$ pip install matplotlib
(tensorflow_cpu)$ pip install jupyter

对Python virtualenv不熟悉的读者可以参考这里。

如何选择用于深度学习的GPU
为了让模型训练得足够快，我们必须考虑使用GPU。究竟如何选择合适的GPU呢？知乎上有相关的讨论。推荐一个blog：Which GPU(s) to Get for Deep Learning。

安装GPU版本TensorFlow（使用源码编译安装）

1. 准备工作：安装依赖的python包

$ sudo apt-get install python-pip python-dev python-virtualenv python-numpy python-wheel python-imaging swig

2. 安装Google软件构建工具Bazel，build TensorFlow的时候需要用
首先要安装Java Development Kit (JDK) 8，以及一些依赖的软件

$ sudo apt-get install default-jdk
$ sudo apt-get install pkg-config zip g++ zlib1g-dev unzip

在github上下载Bazel的installer：bazel-0.4.5-installer-linux-x86_64.sh

运行installer的时候，加--user参数可以将bazel安装在用户home目录下的bin目录，修改PATH变量后，可以运行bazel version查看是否安装成功。

$ chmod +x bazel-0.4.5-installer-linux-x86_64.sh
$ ./bazel-0.4.5-installer-linux-x86_64.sh --user
$ printf 'nexport PATH=$PATH:$HOME/binn' >> ~/.bashrc
$ source ~/.bashrc
$ bazel version

3. 安装CUDA
为了确保显卡与CUDA兼容，在NVIDA官网上查找CUDA-capable GPU

GTX 1080 Ti 的Compute Capability (6.1) 需要记下来，稍后会用到。

下载CUDA的installer：

注意要选择正确的Ubuntu版本号，如果不清楚，可以参考下面的命令：

下载完毕后，按照网页上的installation instructions进行安装。CUDA安装在/usr/local/cude目录下。

4. 安装cuDNN
下载安装cuDNN (下载前要先注册一下，按照提示一步步做即可）

cuDNN下载页面，注意我们之前安装的是CUDA8.0

安装cuDNN的命令：

$ tar xvzf cudnn-8.0-linux-x64-v6.0.tgz
$ sudo cp cuda/include/cudnn.h /usr/local/cuda/include
$ sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
$ sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*

5. 从源代码安装TensorFlow
首先下载source code，做build前的准备工作（这里会用到前面记录下来的Compute Capability，详细配置见下图）：

$ git clone --recurse-submodules https://github.com/tensorflow/tensorflow
$ cd tensorflow
$ ./configure

然后用bazel来build TF源代码（需要比较长的时间）

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

接下来创建Python .whl 文件（输出到~/tensorflow/bin/目录下）

$ bazel-bin/tensorflow/tools/pip_package/build_pip_package ~/tensorflow/bin

6. 最后用pip来安装（和前面的基于CPU的方法类似）

$ virtualenv tensorflow_gpu
$ source tensorflow_gpu/bin/activate
(tensorflow_gpu)$ pip install ~/tensorflow/bin/tensorflow-1.1.0rc2-cp27-cp27mu-linux_x86_64.whl
(tensorflow_gpu)$ pip install ipython
(tensorflow_gpu)$ pip install matplotlib
(tensorflow_gpu)$ pip install jupyter

(tensorflow_cpu) $ pip install tensorflow-gpu #使用pip直接在线安装GPU版本

至此，我们已经安装好了CPU和GPU支持的TensorFlow，在使用之前记得要先激活虚拟环境source tensorflow_gpu/bin/activate。

参考：https://www.jianshu.com/p/c954e480e985