Derek

Tensorflow安装

2018/06/26 Tensorflow 阅读次数:次

摘要：Tensorflow安装学习

  1. Tensorflow安装：anaconda3 python3.6;

windows安装以管理员权限打开命令窗口;linux/MAX直接执行下面命令

pip install --upgrade --ignore-installed tensorflow
  1. 如果没有安装anaconda3，系统是python3.5或者2.7　安装如下：
Linux/ubuntu:
python2.7: pip install https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.0.1-cp27-none-linux_x86_64.whl 
python3.5: pip3 install https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.0.1-cp35-cp35m-linux_x86_64.whl 

Maxos:
python2: pip install https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-1.0.1-py2-none-any.whl
python3: pip3 install https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-1.0.1-py3-none-any.whl

清华镜像站提供各版本下载安装

Contos7

https://mirrors.tuna.tsinghua.edu.cn/help/tensorflow/

anaconda3 +python3.7 +Tensorflow-gpu安装

  1. 检查是否安装 
    lspci | grep -i nvidia
  2. 检查N卡驱动

https://www.nvidia.com/Download/index.aspx

  1. 查看N卡是否支持GPU

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

  1. 安装nvidia-smi,查看GPU信息 
    sudo apt-get install nvidia-smi
  2. Tensorflow-gpu,cuda,cudnn版本对应关系图 linux windows

官方连接 https://www.tensorflow.org/install/install_sources#tested_source_configurations

  1. 安装cuda,下载有点慢 
    sudo apt-get install nvidia-cuda-dev nvidia-cuda-toolkit nvidia-nsight nvidia-visual-profiler
  2. 安装cudnn,下载对应的版本,我的系统是deepin 选择linux版，具体根据自己的系统选择，例如：cundd7.1.3 for linux

https://developer.nvidia.com/search/site/cudnn-7.0-linux-x64-v4.0 https://developer.nvidia.com/rdp/cudnn-archive

cudnn

  1. 下载完毕cudnn,解压cudnn包,把解压得到的文件夹cuda复制到/usr/local/目录下: 
    tar -zxvf cudnn-9.1-linux-x64-v7.1.tgz
sudo mv cuda/ /usr/local/
  2. 设置环境变量 
    vi ~/.bashrc 
#cuda
export LD_LIBRARY_PATH="/usr/local/cuda/lib64:$LD_LIBRARY_PATH"
  3. 在anaconda3+python3.6.5环境下,安装:tensorflow-gpu==1.8 
    pip install tensorflow-gpu==1.8

目前,官网tensorflow支持cuda9,不支持9.0以上的,我的是9.1版本,需要下载被编译过的支持9.1的版本tensorflow-gpu

https://github.com/mind/wheels/releases? 我下载了tensorflow-gpu==1.8

  1. 下载完编译过的tensorflow-gpu==1.8,进行安装 
    pip install /home/derek/Desktop/tensorflow-1.8.0-cp36-cp36m-linux_x86_64.whl
  2. 运行，测试代码： 
    import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))

运行没问题,报了告警,解决方法是：

出错位置h5py_init_.py:26

解决办法

对h5py进行更新升级
pip install h5py==2.8.0
  1. 最终运行结果:

最新linux对应版本

cuda 10.0 下载地址

https://developer.nvidia.com/cuda-10.0-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1604&target_type=runfilelocal

下载需要nvidia 账户

安装cuda 10.0 ,

sudo sh cuda_10.0.130_410.48_linux.run

最新安装 Tensorflow-gpu==1.13.1

系统：deepin
显卡：Quadro M2000M
NVIDIA : 410.93
CUDA: 10.0
cudnn: 7.6

deepin自带的显卡管理器，切换后的版本是：390 不满足需求,需要自己去官网下载；不能下载最新版本.

下载历史版本

NVIDIA历史版本下载地址
CUDA历史版本下载地址
cudnn历史版本下载地址

下载好软件后,进行安装,方法基本和网上一样，要注意细节，不然进不了图形页面，就需要折腾一番

1. 禁用nouveau

# 这个文件名字不一定就是这样，但是肯定是blacklist开头的文件
vi /etc/modprobe.d/blacklist-bcm43.conf
# 在后面加入下面两行
blacklist nouveau
options nouveau modeset=0

保存后立即生效：

sudo update-initramfs -u

2. 卸载之前的NVIDIA

# 要是没有安装，也不会有问题，一定要保证卸载完成，不要报错;
sudo apt-get --purge remove nvidia-*    
# 不要使用 sudo apt-get autoremove

3. 重启电脑，哈哈，这好多人都着了道；

#说说为什么要重启,重启是为了释放nouveau资源占用问题
# 重启后执行
lsmod |grep -i nouveau

如果进不了图形界面，看下面步骤

下来就是网上说的要重启电脑，我重启后就进不了图形界面，在这坑大了，看网上有的人都能进去； 重点：进不去就会卡在logo或黑窗口界面，如果到了这一步，别乱折腾，

在安装NVIDIA的时候需要关闭 Secure Boot 值改成Disabled。每个厂家进去bios都不一样，需要自己查，我的是F1。

如果进不了图形界面，我们就进入无界面窗口，用过服务器的人都知道，服务器基本都是无界面. 继续开机后,显示 deepin 15.XX 直接按键盘：e

在linux /boot/vm*** 在这一行最后面：systemd.unit=multi-user.target

按键盘：Ctrl+x 等待进入无界面窗口，入下面的动态图

4. 登录无界面窗口后

# 输入下面命令，如果没有输出任何东西，就是正常；否则就是没有禁用成功。
lsmod |grep -i nouveau

# 下面的命令,是在从图形界面暂时关闭图形界面的命令
sudo systemctl stop lightdm #or sudo service lightdm stop

5. 安装驱动NVIDIA

chmod +x NVIDIA-Linux-x86_64-410.93.run #赋予可执行权限
sudo ./NVIDIA-Linux-x86_64-410.93.run #安装驱动文件

在安装的cuda的时候，我的也是需要在无界面窗口才安装成功，网上好多时候是在图形界面安装的cuda 为了少进入一次，在这也安装cuda

6. 安装CUDA

chmod +x cuda_10.0.130_410.48_linux.run 
sudo ./cuda_10.0.130_410.48_linux.run --override

安装完毕后重启：reboot

7. cuda环境变量

# bashrc
echo 'export PATH=/usr/local/cuda-10.0/bin:$PATH' >> ~/.bashrc
echo 'export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc
source ~/.bashrc
# 这个操作很重要，防止重启后，卡在黑窗口
sudo mv /etc/X11/xorg.conf /etc/X11/xorg.conf_back

8. 执行nvidia-smi


发现这时候其实NVIDIA的显卡并没有工作，显存一点都没占用

9. 设置默认nvidia显卡工作

执行上述命令获取nvidia显卡设备BusID，例子 01:00.0 填写PCI:1:0:0
编辑/etc/X11/xorg.conf,如果已经有这个文件，最好复制一份

sudo vi /etc/X11/xorg.conf

# nvidia-xconfig: X configuration file generated by nvidia-xconfig
# nvidia-xconfig:  version 410.93


Section "Module"
    Load "modesetting"
EndSection

Section "Device"
    Identifier     "nvidia"
    Driver         "nvidia"
    BusID          "PCI:1:0:0"
    Option         "AllowEmptyInitialConfiguration"
    VendorName     "NVIDIA Corporation"
EndSection

10. 编辑~/.xinitrc

xrandr --setprovideroutputsource modesetting NVIDIA-0
xrandr --auto
xrandr --dpi 96

11. 编辑/etc/lightdm/display_setup.sh

#!/bin/sh
xrandr --setprovideroutputsource modesetting NVIDIA-0
xrandr --auto
xrandr --dpi 96

12. 赋值权限

sudo chmod +x  /etc/lightdm/display_setup.sh

13. 编辑/etc/lightdm/lightdm.conf 在[Seat:*]行下添加

display-setup-script=/etc/lightdm/display_setup.sh

14. 重启动后，查看是否生效

15. 前面已经安装了cuda,现在安装cudnn

# cudnn
tar -xzvf cudnn-10.0-linux-x64-v7.4.2.24.tgz
sudo cp -P cuda/include/cudnn.h /usr/local/cuda-10.0/include
sudo cp -P cuda/lib64/libcudnn* /usr/local/cuda-10.0/lib64/
sudo chmod a+r /usr/local/cuda-10.0/lib64/libcudnn*

16. 检查是否安装成功




Search

    Table of Contents