ubuntu16.04 tensoflow使用服务器需要支持gpu吗

Posted 2023-03-21

参考技术A 1. 下载
1.1 系统镜像
由于我尝试了ubuntu14.04，安装Nvidia驱动之后，会出现循环登录的问题，并始终无法找到有效的解决途径，所以只能选择ubuntu16.04了。

1.2 CUDA 8.0

说明：
（1）在NVIDIA的CUDA下载页面下，选择要使用的CUDA版本进行下载。
（2）我们这里使用CUDA8.0（页面有提示GTX1070、GTX1080支持8.0版本），学员如果没有使用以上两个版本的GPU，可以下载CUDA7.5。DOWNLOAD（下载）。
（3）下载需要注册。
（4）图解选择

1.3 cuDNN v5

说明：
（1）下载需要填写一个调查问卷，就三个选项，建议认真填写，毕竟人家免费给咱使用。
（2）填写完毕点击 I Agree To 前面的小方框，出现如下：

1.4 Tensorflow 0.11
tensorflow github上面提到 4 种安装方式，本教程使用 第四种 源码安装
Virtualenv installation
Anaconda installation
Docker installation
Installing from sources

说明：
（1）打开下载页面，往下翻，直到下图这个位置：

（2） 点击Python 2开始下载。

最后，将1.2-1.4中下载文件全部存放至自己的移动硬盘/U盘内，等待安装时候使用。
2. 安装ubuntu16.04 LTS 系统
安装Ubuntu16.04：

说明：
（1）我们直接安装的英文原版系统，语言也是选择英文的。
（2）上述链接在–第三步：安装类型上选择的是–自定义。我们选择的是–清除整个磁盘并且安装，如果你有Windows系统，还会提示安装Ubuntu16.04与Windows并存模式。这个自行选择，切记！这个地方谨慎选择。
（3）感谢百度经验上传者！
3. 安装NVIDIA驱动
打开terminal输入以下指令:
sudo apt-get update1

然后在系统设置->软件更新->附加驱动->选择nvidia最新驱动(361)->应用更改
3. cuda 8.0
3.1 安装cuda
在cuda所在目录打开terminal依次输入以下指令：
cd /home/***(自己的用户名)/Desktop/###(这个命令意思是找到刚刚我们用U盘传过来的文件)
sudo dpkg -i cuda-repo-ubuntu1604-8-0-rc_8.0.27-1_amd64.deb
sudo apt-get update
sudo apt-get install cuda1234

3.2 gcc降版本
ubuntu的gcc编译器是5.4.0，然而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：
在terminal中执行：
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++123456789

3. 安装cuDNN
打开terminal依次输入以下指令：
cd /home/***(自己的用户名)/Desktop/###(这个命令意思是找到刚刚我们用U盘传过来的文件)
tar xvzf cudnn-8.0-linux-x64-v5.1-ga.tgz###（解压这个文件）
sudo cp cuda/include/cudnn.h /usr/local/cuda/include###（复制）
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64###（复制）
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*12345

4. 安装其他依赖
4.1 配置环境变量

按照上图的教程，在terminal中输入以下命令：
sudo gedit ~/.bash_profile #打开.bash_profile1

然后在打开的文本末尾加入：
export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64"
export CUDA_HOME=/usr/local/cuda12

继续在terminal中输入:
source ~/.bash_profile #使更改的环境变量生效1

当然，也有其他教程在文件~/.bashrc文件中写入的，方法与上面的类似。如果在后面配置./config文件出现问题时，可以实现这个方法。
4.2 安装其他库
/tensorflow/tensorflow/blob/master/tensorflow/g3doc/get_started/os_setup.md
我们是在github的Tensorflow官方网页上，根据提示安装，地址如上。
按步骤截图如下

在terminal中输入以下命令：
sudo apt-get install python-pip python-dev 1

4. 安装Bazel
4.1 安装Bazel依赖
由于本教程使用tensorflow源码编译/安装，所以需要使用 bazel build。

在terminal中依次输入以下1-7的命令

4.2 安装Bazel
之后回到之前的Tensorflow安装教程页面： /tensorflow/tensorflow/blob/master/tensorflow/g3doc/get_started/os_setup.md

点击链接： installer for your system，跳转到Bazel的下载页面：

下载bazel-0.3.2-installer-linux-x86_64.sh到桌面，然后在terminal中输入以下命令
cd /home/***(自己的用户名)/Desktop/###(这个命令意思是找到刚刚我们用U盘传过来的文件)
chmod +x PATH_TO_INSTALL.SH #对.sh文件授权
./PATH_TO_INSTALL.SH --user #运行.sh文件123

4.3 安装第三方库
在terminal中输入以下命令
sudo apt-get install python-numpy swig python-dev python-wheel #安装第三方库
sudo apt-get install git
git clone git://github.com/numpy/numpy.git numpy 123

5. 安装tensorflow
5.1 下载tensorflow
在terminal中输入以下命令
git clone /tensorflow/tensorflow1

特别注意，我使用的是tensorflow 0.11版本，该版本要求cuda 7.5 以上，cuDNN v5。
默认下载目录是在/home下
5.2 配置tensorflow
还是刚刚的网址
/tensorflow/tensorflow/blob/master/tensorflow/g3doc/get_started/os_setup.md
在terminal中输入以下命令：
cd ~/tensorflow #切换到tensorflow文件夹
./configure #执行configure文件12

然后按照下图选项进行操作：

5.3 创建pip

在terminal中输入以下命令：
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 /home/***（你自己的用户名）/Desktop/tensorflow-0.10.0-cp2-none-any.whl1234

5.4 设置tensorflow环境

bazel build -c opt //tensorflow/tools/pip_package:build_pip_package
# To build with GPU support:
bazel build -c opt --config=cuda //tensorflow/tools/pip_package:build_pip_package
mkdir _python_build
cd _python_build
ln -s ../bazel-bin/tensorflow/tools/pip_package/build_pip_package.runfiles/org_tensorflow/* .
ln -s ../tensorflow/tools/pip_package/* .
python setup.py develop12345678

这样就大功告成啦~！！！
6. 测试tensorflow
这里进行测试，如果你能跟我看到同样的画面，那恭喜你成功配置GPU版的tensorflow啦！

Tensoflow基础

1、with   tf.compat.v1.Session() as  sess:

一个Session可能会拥有一些资源，例如Variable或者Queue。当我们不再需要该session的时候，需要将这些资源进行释放。有两种方式，

• 调用session.close()方法；
• 使用with   tf.compat.v1.Session() as  sess创建上下文（Context）来执行，当上下文退出时自动释放。

2、tf.get_default_graph()

功能：这个函数可以获取当前默认的计算图

1 #通过a.graph可以查看张量所属的计算图
2 print(a.graph is tf.get_default_graph()) #输出True

所有张量和流动默认都在默认的计算图中

3、tf.compat.v1.get_default_graph()

除了使用默认计算图，TensorFlow支持通过tf.compat.v1.get_default_graph()来生成新的计算图。不同计算图上的张量和运算都不会共享。通常不新建计算图

4、tensorboard

tensorboard通过读取tensorboard的事件文件来运行，需要将数据生成一个序列化的Summary protbuf对象。

第一、创建一个事件文件

1summary_waiter = tf.compat.v1.summary.FileWriter("/tmp/summary/", graph=sess.graph)

/tmp/summary/是事件文件所在的目录，这里是工程目录下的/tmp/summary/目录。第二个参数是事件文件要记录的图，不指定则默认是tensorflow默认的图。 

第二、启动tensorboard

1 tensorboard --logdir=/tmp/summary/ --host=127.0.0.1