0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

浅述TensorFlow开发环境搭建教程

h1654155999.2342 来源:机器学习算法全栈工程师 作者:刘才权 2021-08-10 11:33 次阅读

安装平台

1

平台

目前TensorFlow已支持Mac、Ubuntu和Windows三个主流平台(64位平台),

2

GPU vs CPU

在安装时可以选择安装版本是否支持GPU,

3

二进制安装 vs 源码安装

同时,安装时可以考虑采用二进制安装,还是源码安装,

4

二进制安装

二进制安装可以有很多选择,

5

实际使用选择

手头上有两台电脑

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

处理器:2.7 GHz Intel Core i5

内存:8GB 1867MHz DDR3

显卡:Intel Iris Graphics 6100 1536MB

攀升兄弟组装台式机

处理器:英特尔 Core i7-6700 @3.40GHz 四核

主板:华硕 B150M-ET M2 SERIES

内存:8G(威刚DDR4 2801MHz)

硬盘:三星 MZ7TE256HMHP-00000(256GB/固态硬盘)

显卡:Nvidia GeForce GTX 950(2GB)

其中,

MacBook Pro采用基于Anaconda的二进制安装方式(仅支持CPU)。Anaconda是一个集成平台,包含大多数机器学习的常用工具,

NumPy:科学运算包

SciPy:在NumPy的基础上构建,功能更加强大的科学计算包

Matplotlib:类似Matlab的绘图工具包

Scikit-learn:经典机器学习工具包

Pandas:数据处理和分析工具包(可用于数据读写、清洗、填充和分析等场景)

采用Anaconda安装方案,一方面MacBook Pro的开发环境很容易搭建(几句命令即可完成),另一方面,基于Anaconda的环境,也可以方便验证简单的机器学习算法

对于台式机则采用了Ubuntu+GPU+TensorFlow源码编译的方式,进行TensorFlow环境搭建,下面我们着重介绍下这种安装方式。

Ubuntu16.04+TensorFlow(GPU)源码编译

1

Ubuntu系统安装

目前,大多数计算机,包括台式机已没有了光驱,同时,Ubuntu的系统安装盘也不易获得。针对这种情况,我们可以采用U盘来进行安装。具体步骤可以参考:《Ubuntu 16.04 U盘安装图文教程

2

禁用UEFI安全启动

对于华硕 B150M-ET主板,UEFI默认是开启的。而UEFI开启会导致第三方驱动安装失败(如显卡驱动,这是源码编译安装GPU支持的TensorFlow,遇到的第一个坑)。具体步骤可以参考:《华硕主板禁用UEFI安全启动》

3

安装NVIDIA驱动

3.1安装方式

英伟达的显卡驱动有三种方式:

apt-get+系统设置安装

安装CUDA时顺便安装

官方下载最新驱动并安装

参考:《Ubuntu 16.04安装NVIDIA驱动》

3.2安装步骤

本文采用第一种方案:

sudo apt-get install nvidia-367

然后进入:System Settings-》Software&Updates-》Additional Drivers-》,选择NVIDIA Corporation[Using NVIDIA binary driver]

3.3验证测试

nvidia-smi #若列出GPU的信息列表,表示驱动安装成功

nvidia-settings #若弹出设置对话框,亦表示驱动安装成功

4

安装CUDA

CUDA(Compute Unified Device Architecture),是显卡厂商NVIDIA推出的运算平台。可以理解成基于GPU并行计算的应用层接口

CUDA8.0下载地址

安装Cuda的时候,需要关闭X服务。

sudo service lightdm stop

这时,系统会出现黑屏。此时,同时按住[CTRL + ALT + F1]三个键进入命令行模式(如果不能进入命令行模式,可以参考《alt+ctrl+F1黑屏 ,解决方案》),

然后输入[账号],[密码]后登陆。

在CUDA的下载目录运行,

sudo sh cuda_xxx.run

要注意的是,在询问是否安装“NVIDIA Accelerated Graphics Driver”可以选择“是”,

Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 361.62?

(y)es/(n)o/(q)uit: y

但在后续出现询问是否安装“X configuration”时,则需要选择“否”,否则之前安装的显卡驱动就白安装了。

CUDA安装结束后,则可以恢复到图形界面模式,

sudo service lightdm start

到这里,CUDA的安装还不算结束,需要将CUDA相关的内容添加到系统环境变量中。安装过程中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相关的环境变量可以放在~/.bashrc中,

vi ~/.bash_profile

在其中,增加如下两行,

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

安装cuDNN

cuDNN(CUDA Deep Neural Network)相比标准的cuda,它在一些常用的神经网络操作上进行了性能的优化,比如卷积,pooling,归一化,以及激活层等等。

下载地址:https://developer.nvidia.com/rdp/cudnn-download

下载cuDNN后进行解压,并执行如下命令:

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

网上说cuda8.0不支持5.0以上的编译器,因此需要降级,把编译器版本降到4.9,但我看了CUDA8.0的安装手册《NVIDIA CUDA INSTALLATION GUIDE FOR LINUX》,并没有发现这一条,《NVIDIA CUDA INSTALLATION GUIDE FOR LINUX》

在实际使用中,还是将GCC做了降级(PS,在安装时可以先不降级,看看是否会出问题),GCC降级方法如下,

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

安装Bazel

Bazel是一个构建工具,即一个可以运行编译和测试来组装软件的工具,跟Make、Ant、Gradle、Buck、Pants和Maven一样。TensorFlow的编译是基于Bazel完成的。

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

7.1安装准备

7.2安装

Bazel可以通过apt-get和下载安装两种方式完成,本文中,采用下载安装的方式实现,

chmod +x PATH_TO_INSTALL.SH

。/PATH_TO_INSTALL.SH --user

8

第三方库安装

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

sudo apt-get install libcupti-dev

sudo apt-get install git

9

TensorFlow源码编译

9.1下载

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

9.2编译配置

cd ~/tensorflow

。/configure

9.3编译安装

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源码编译。

10

环境测试

可以通过如下代码进行测试,

# Python

import tensorflow as tf

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

sess = tf.Session()

print(sess.run(hello))

正常测试输出,

Hello, TensorFlow!

编辑:jq

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • gpu
    gpu
    +关注

    关注

    28

    文章

    4731

    浏览量

    128906
  • Mac
    Mac
    +关注

    关注

    0

    文章

    1105

    浏览量

    51463
  • 源码
    +关注

    关注

    8

    文章

    639

    浏览量

    29188

原文标题:干货|TensorFlow开发环境搭建(Ubuntu16.04+GPU+TensorFlow源码编译)

文章出处:【微信号:gh_f39db674fbfd,微信公众号:尖刀视】欢迎添加关注!文章转载请注明出处。

收藏 人收藏

    评论

    相关推荐

    如何搭建企业AI开发环境

    搭建企业AI开发环境是一个复杂而细致的过程,涉及硬件选择、操作系统配置、软件安装、工具选用以及实践等多个方面。下面,AI部落小编将详细介绍如何搭建企业AI
    的头像 发表于 12-20 10:37 100次阅读

    SSM开发环境搭建教程 SSM与Spring Boot的区别

    SSM开发环境搭建教程 SSM(Spring+SpringMVC+MyBatis)开发环境搭建
    的头像 发表于 12-16 18:13 414次阅读

    【MM32F5270】Keil开发环境搭建

    本文是对MM32F5270相关的灵动官网资料和社区现有几篇环境搭建帖的整理和总结。详细且完整的记录了——如何从零搭建MM32F5270 Keil开发
    的头像 发表于 11-06 16:14 2751次阅读
    【MM32F5270】Keil<b class='flag-5'>开发</b><b class='flag-5'>环境</b><b class='flag-5'>搭建</b>

    SemiDrive X9 AI 开发环境搭建

    SemiDrivex9AI开发环境搭建开发机端,开发板端。主要的工具是SDNN,它是一个基于开源编译器框架TVM的端到端的AI编译器框架,
    的头像 发表于 08-03 08:27 387次阅读
    SemiDrive X9 AI <b class='flag-5'>开发</b><b class='flag-5'>环境</b><b class='flag-5'>搭建</b>

    pytorch环境搭建详细步骤

    PyTorch作为一个广泛使用的深度学习框架,其环境搭建对于从事机器学习和深度学习研究及开发的人员来说至关重要。以下将介绍PyTorch环境搭建
    的头像 发表于 08-01 15:38 810次阅读

    QT5+OpenCV4搭建应用开发环境

    作为深度学习算法工程师,必须要掌握应用开发技能吗?搞工程肯定是必须要会界面开发,QT就是一个很不错的选择。本文以QT5.15 + OpenCV4.8 + OpenVINO2023为例,搭建应用
    的头像 发表于 07-23 11:23 1075次阅读
    QT5+OpenCV4<b class='flag-5'>搭建</b>应用<b class='flag-5'>开发</b><b class='flag-5'>环境</b>

    PyTorch深度学习开发环境搭建指南

    PyTorch作为一种流行的深度学习框架,其开发环境搭建对于深度学习研究者和开发者来说至关重要。在Windows操作系统上搭建PyTorc
    的头像 发表于 07-16 18:29 1010次阅读

    TensorFlow是什么?TensorFlow怎么用?

    TensorFlow是由Google开发的一个开源深度学习框架,它允许开发者方便地构建、训练和部署各种复杂的机器学习模型。TensorFlow凭借其高效的计算性能、灵活的架构以及丰富的
    的头像 发表于 07-12 16:38 685次阅读

    tensorflow和pytorch哪个更简单?

    TensorFlow和PyTorch都是用于深度学习和机器学习的开源框架。TensorFlow由Google Brain团队开发,而PyTorch由Facebook的AI研究团队开发
    的头像 发表于 07-05 09:45 849次阅读

    如何搭建ESP32-S2开发环境

    如何搭建ESP32-S2开发环境
    发表于 06-25 08:00

    在美国VPS上设置开发和测试环境的基本步骤和技巧

    在美国vps上搭建开发环境和测试环境是很多开发者和企业追求高效研发与测试流程的重要一步。本文介绍了在美国VPS上设置
    的头像 发表于 06-24 14:46 428次阅读
    在美国VPS上设置<b class='flag-5'>开发</b>和测试<b class='flag-5'>环境</b>的基本步骤和技巧

    请问如何在32位的WIN7上搭建开发环境

    公司的电脑是32位的WIN7 在VSCode 上搭建开发环境失败(vscode IDF插件自动下载的都是64bit的软件)有没有解决方法或者安装教程?
    发表于 06-18 06:53

    浅谈存内计算生态环境搭建以及软件开发

    后,我们现在将转向实现存内计算技术潜力的关键:存内计算生态环境搭建以及软件开发的具体细节。它们不仅为存内计算应用的开发和运行提供必要的基础,也是实现高效数据处理和分析的关键组成部分。
    发表于 05-16 16:40

    TLT507-Android开发环境搭建

    TLT507-Android开发环境搭建
    的头像 发表于 01-26 17:03 592次阅读
    TLT507-Android<b class='flag-5'>开发</b><b class='flag-5'>环境</b><b class='flag-5'>搭建</b>

    鸿蒙开发南向环境搭建教学

    南向开发环境搭建教学,更多鸿蒙开发资料可以前往高清完整版 《鸿蒙开发4.0基础-高阶文档》找保存。(附鸿蒙文档)
    发表于 01-05 16:38