《面向機器智能的TensorFlow實踐》一2.5 源碼建構及安裝執行個體：在64位Ubuntu Linux上安裝GPU版TensorFlow

本節書摘來自華章出版社《面向機器智能的tensorflow實踐》一書中的第2章，第2.5節，作者 山姆·亞伯拉罕（sam abrahams）丹尼亞爾·哈夫納（danijar hafner）[美]　埃裡克·厄威特（erik erwitt）阿裡爾·斯卡爾皮内裡（ariel scarpinelli），更多章節内容可以通路雲栖社群“華章計算機”公衆号檢視。

2.5　源碼建構及安裝執行個體：在64位ubuntu linux上安裝gpu版tensorflow

如果希望使用帶有gpu支援的tensorflow，那麼最可能的選擇是從源碼建構和安裝。本節給出了一個完整的安裝參考執行個體，詳細介紹了安裝和運作tensorflow所需的每一具體步驟。請注意，本示例中的作業系統為64位ubuntu linux發行版，是以如果你使用的是其他linux發行版，則可能需要對某些指令進行修改（如apt-get）。如果希望在mac os x上從源碼建構tensorflow，筆者推薦tensorflow官網的安裝指南：

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

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

2.5.1　安裝依賴庫

這裡假定你已安裝了python-pip、python-dev和python-virtualenv。

建構tensorflow需要事先安裝少量依賴庫。按照所安裝的python版本，執行下列指令：

1. python 2.7

2. python 3

2.5.2　安裝bazel

bazel是一款基于谷歌内部軟體的開源建構工具。在本書寫作之時，為從源碼建構tensorflow，需要bazel，是以我們必須自行安裝該軟體。bazel官網中有一份非常完整的安裝指南，本節隻介紹一些最基本的步驟。

第一件事是確定系統中已安裝java development kit 8（jdk 8）。下列指令會将oracle jdk

8代碼庫添加到apt源中，然後進行安裝：

對于ubuntu 15.10版及後續版本，也可安裝oracle jdk的替代軟體openjdk 8。安裝後者更為容易，也是筆者所推薦的，可使用下列指令在系統中安裝openjdk：

在繼續下一步之前，請驗證java已被正确安裝：

java安裝完畢後，還需要安裝少量其他依賴庫：

接下來，需要下載下傳bazel安裝腳本。為此，既可前往github上的bazel發行頁面，也可使用下列wget指令。請注意，對于ubuntu系統，需要下載下傳“bazel-xxx-installer-linux-x86_64.sh”：

# 下載下傳bazel 0.3.0

最後，将所下載下傳的安裝腳本的權限修改為可執行的，并運作它：

通過使用--user選項，bazel将被安裝到$home/bin目錄。為確定該路徑被添加到環境變量path中，可通過下列指令對~/.bashrc進行更新：

重新開機bash終端，并運作bazel，以確定一切可正常工作：

非常棒！接下來，需要安裝一些能夠支援gpu運算的依賴軟體。

2.5.3　安裝cuda軟體（僅限nvidia gpu）

如果擁有一款支援cuda的nvidia gpu，則可安裝帶有gpu支援的tensorflow。支援cuda的顯示卡清單可從下列網址擷取：

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

除了確定你的gpu榜上有名，還需注意與顯示卡“計算能力（compute

capability）”有關的量化數字。例如，geforce

gtx 1080的計算能力為6.1，而geforce gtx titan x的計算能力為5.2。在編譯tensorflow時需要用到這個數字。在确定可利用cuda後，要做的第一件事便是注冊nvidia的“accelerated computer developer program”。為了下載下傳安裝cuda和cudnn所需的所有檔案，這個步驟是必需的。注冊連結如下：

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

當注冊完成後，你會希望下載下傳cuda。前往下列連結，并使用如下操作指南：

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

1）在“select target platform（選擇目标平台）”下方，選擇下列選項：

linux

x86_64

ubuntu

14.04/15.04

deb（本地）

2）單擊“download（下載下傳）”按鈕，将安裝檔案儲存在你的計算機中。該檔案體積較大，是以完成下載下傳可能需要一段較長的時間。

3）導航至包含所下載下傳的安裝檔案的目錄，并運作下列指令：

上述指令執行完畢後， cuda将被安裝到/usr/local/cuda目錄下。

接下來，需要下載下傳cudnn，它是一款專為深度神經網絡設計的基于cuda的加速庫。單擊如下頁面的“download”按鈕：

https://developer.nvidia.com/cudnn

用在前面建立的賬号登入後，将看到一份簡短的調查問卷。完成問卷後，可通過單擊問卷下方的按鈕進入下載下傳頁面。單擊“i agree to the terms...”以接受下載下傳許可協定。由于前面安裝的是cuda 7.5，是以需要下載下傳cudnn for cuda 7.5（本書寫作之時，筆者使用的是cudnn v5.0）。

單擊“download cudnn v5 for cuda 7.5”，将下載下傳選項展開。

單擊“cudnn v5 library for linux”，下載下傳經過壓縮的cudnn檔案。

導航至下載下傳好的.tgz檔案，運作下列指令，将必要的檔案複制到/usr/local/cuda目錄下：

以上便是安裝cuda所需的所有步驟。由于所有依賴庫都已細心安裝，接下來便可安裝tensorflow了。

2.5.4　從源碼建構和安裝tensorflow

首先需要克隆github上的tensorflow代碼庫，然後進入其所在目錄：

進入上述目錄後，運作./configure腳本，将所使用的編譯器、cuda版本等資訊通知給bazel。請確定已記錄顯示卡的“計算能力”數字（上文中已介紹過）：

# 注意：若使用python 3，需要指定為/usr/bin/python3

google cloud

platform支援目前正處于封閉alpha測試階段。如果能夠通路該程式，可在回答google cloud platform支援問題時選擇y（yes）。

配置完成後，便可利用bazel建立一個用于建立python二進制檔案的可執行程式：

執行上述指令需要相當長的一段時間，具體時長取決于你的計算機性能。待bazel完成上述任務後，運作輸出的可執行程式，并傳入一個表示python wheel檔案存儲路徑的參數：

上述指令将在~/tensorflow/bin下建立一個python.whl檔案。請確定你的“tensor-flow”virtualenv環境處于活動狀态，然後用pip安裝該wheel檔案（請注意該二進制檔案的具體名稱會依所安裝的tensorflow版本、所使用的作業系統和python版本而不同）：

如果你擁有多台硬體配置類似的機器，則可使用該wheel檔案在這些機器上實作tensorflow的快速安裝。

至此，tensorflow便安裝完畢！最後介紹如何安裝jupyter notebook和matplotlib。