安裝GPU加速的tensorflow 卸載tensorflow

一：本次安裝實驗環(huán)境

Ubuntu 16.04 + cuda9.0 + cudnn7.0
或
Ubuntu 16.04 + cuda8.0 + cudnn5.1

什么是CUDA呢京痢？簡單的來講它是為了實現(xiàn)GPU運算的平臺祭椰。我們的tensorflow會調(diào)用cuda的接口方淤，利用顯卡幫助我們運算程序

而CUDNN是為了加速神經(jīng)網(wǎng)絡(luò)用的

二：卸載TensorFlow

先介紹卸載携茂，如果你的tensorflow是用pip安裝的，那下面簡單的命令就可以完成卸載了

    sudo pip uninstall tensorflow_gpu  
    sudo pip3 uninstall tensorflow_gpu

用 pip 還是pip3基于你是用python2 還是用python3安裝的tensorflow

三：關(guān)于驅(qū)動那點事：

安裝之前要先換驅(qū)動带膜，如果你之前換過膝藕，那可以跳過這步直接進入主題芭挽。
方法如下：
打開system settings --> software & Updates --> Additional Drivers
然后選擇你需要的顯卡驅(qū)動览绿。（一般選擇nvidia的顯卡驅(qū)動）

Selection_016.png

如果還不清楚饿敲，或者不行怀各，可參考這兩個地址：

http://blog.csdn.net/tianrolin/article/details/52830422
http://blog.csdn.net/u012581999/article/details/52433609

在正式進入安裝之前，請先把cuda和cudnn對應(yīng)的版本下載好：
本教程給的例子是： Ubuntu16.04 + cuda9.0 + cudnn7.0 + tensorflow1.9和Ubuntu16.04 + cuda8.0 + cudnn5.1 + tensorflow1.9

對于cuda和cudnn的下載瓢对，官網(wǎng)鏈接如下：

https://developer.nvidia.com/cuda-toolkit-archive
https://developer.nvidia.com/rdp/cudnn-archive

如果官網(wǎng)網(wǎng)速不夠寿酌，可以用我給的鏈接(沒幣私信)：

https://download.csdn.net/download/chenhaojing/10591809

注意：這個版本搭配不是唯一的，首先你要了解你電腦的顯卡是什么類型硕蛹，然后根據(jù)你的顯卡類型選擇cuda的版本醇疼，在根據(jù)cuda的版本選擇cudnn的版本，最后再根據(jù)前面兩種的搭配選擇tensorflow的版本

https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

Selection_017.png

Selection_018.png

tensorflow 1.4 及以下選擇cuda8.0 , 以上選擇cuda9.0

安裝cuda(以9.0為例子)

注意法焰，下載.run文件秧荆，不要下載.deb文件埃仪，否則就踩坑了

安裝命令：
sudo sh cuda_9.0.176_384.81_linux.run

執(zhí)行后會給一段協(xié)議乙濒，按ctrl+c 跳過閱讀，然后 accept接受協(xié)議卵蛉，選項如下：

Selection_019.png

你還會看到這個類似安裝失敗的提示：

Selection_020.png

別在意颁股，要確定自己是不是安裝成功，如下

驗證是否安裝完成
cd /usr/local/cuda-9.0/samples/1_Utilities/deviceQuery
(或者手動進入改文件夾傻丝，注意甘有，同樣路徑中cuda-9.0根據(jù)cuda的版本變化而變化)

 sudo  make （報錯可以不管）

 ./deviceQuery
 如果顯示的是關(guān)于GPU的信息，則說明安裝成功了桑滩。

Selection_021.png

Selection_023.png

四：安裝cudnn

同樣注意安裝版本梧疲，例子是cudnn 7.0
先解壓：

tar -zxvf cudnn-9.0-linux-x64-v7.tgz

解壓后有個cuda文件，內(nèi)有include和lib64兩個文件夾，進入include文件夾辕录，執(zhí)行如下命令：

    sudo cp cudnn.h /usr/local/cuda/include/     #復(fù)制頭文件

（或者直接執(zhí)行 sudo cp cuda/include/cudnn.h /usr/local/cuda/include ）
再cd命令切換進lib64文件夾岗钩，執(zhí)行如下命令：

     sudo cp lib* /usr/local/cuda/lib64/    #復(fù)制動態(tài)鏈接庫

（或者直接執(zhí)行 sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64 ）

注意，按照網(wǎng)上一些版本不匹配的安裝方法炕檩，這里執(zhí)行后還要執(zhí)行復(fù)制和刪除軟連接的操作，其實完全是多余的，當(dāng)然韭畸，如果你不小心裝錯版本宇智，是有必要修改軟連接的

五：配置環(huán)境變量

我們就把cuda的環(huán)境變量配在 .bashrc 吧：

sudo gedit ~/.bashrc
把下面命令粘貼到文件末尾
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-9.0/lib64
export PATH=$PATH:/usr/local/cuda-9.0/bin
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda-9.0

六：安裝TensorFlow-gpu

先給正確的安裝命令：

Anacanda 下的命令：（力推，如果不知道建議先去安裝胰丁，這個極為方便）

pip install tensorflow-gpu==1.9

官網(wǎng)命令：

 sudo pip install --upgrade https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-1.7.0-cp36-none-linux_x86_64.whl

清華影像命令：

 sudo pip install --upgrade https://mirrors.tuna.tsinghua.edu.cn/tensorflow/linux/gpu/tensorflow-1.7.0-cp36-none-linux_x86_64.whl

注意事項：

如果直接運行官網(wǎng)給的代碼随橘，網(wǎng)速可能很慢，畢竟是外國的網(wǎng)站锦庸。所以机蔗，我們不從官網(wǎng)下，去清華大學(xué)開源軟件鏡像站下載tensorflow.方法如下：

把https://storage.googleapis.com/ 替換為 https://mirrors.tuna.tsinghua.edu.cn/ 即可訪問清華大學(xué)開源軟件鏡像站甘萧。
根據(jù)你想要的TensorFlow的版本萝嘁，那么只需要修改tensorflow-1.7.0-cp36-none-linux_x86_64.whl
比如，我要TensorFlow-1.0.1版本扬卷，那么上面官網(wǎng)地址就修改為：

sudo pip install --upgrade https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-1.0.1-cp27-none-linux_x86_64.whl

如果你用python3.5, 那么在tensorflow-1.0.1后面把cp27該為cp35-cp35m,下載命令就變?yōu)椋?/p>

sudo pip install --upgrade https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-1.0.1-cp35-cp35m-none-linux_x86_64.whl

如果改動不成功或者你不是Linux系統(tǒng)牙言，那么請參考鏈接（以鏈接中的地址為主）：

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

七：測試

上面步驟都完成后進入測試：

>>> import tensorflow as tf
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess = tf.Session()
>>> print sess.run(hello)
Hello, TensorFlow!
>>> a = tf.constant(10)
>>> b = tf.constant(32)
>>> print sess.run(a+b)
42

錯誤解決方案

軟鏈接出錯

發(fā)現(xiàn)這一步出錯的主要原因是您安裝的cuda或cudnn版本引起的
可能會報如下錯誤：

Couldn't open CUDA library libcudnn.so. LD_LIBRARY_PATH:

這說明找不到文件 libcudnn.so ，這個文件其實是個軟鏈接來著怪得，他指向另外一個軟件咱枉。
注意：這里有必要解釋一下cuda和cudnn這兩個文件。我們解壓出來的lib64下面有3個so文件徒恋。分別是 libcudnn.so 和 libcudnn.so.5以及 libcudnn.so.5.1.12文件（當(dāng)然蚕断，讀者你的文件跟我不相同的概率很大，不過不要僅因谎，下面會教你怎么修改軟鏈接）基括，并且這3個點so文件大小都一樣。其實都是軟連接财岔！libcudnn.so鏈接到libcudnn.so.5风皿，而libcudnn.so.5.又鏈接到libcudnn.so.5.1.12。正真的文件只有l(wèi)ibcudnn.so.5.1.12匠璧，因此我們要將/usr/local/lib64下的以前的這樣的鏈接替換掉桐款。由于裝cuda時，比如我裝的是cuda8.0夷恍，那么在/usr/local/下會生成cuda-8.0文件夾魔眨，以及一個cuda文件夾，cuda是軟鏈接到cuda-8.0的酿雪，所以這兩個文件夾可以看成一個遏暴。往任意一個文件夾中添加?xùn)|西，另一個文件夾都會有相同的東西指黎。

> cd /usr/local/cuda/lib64 
> ll libcudnn*

出現(xiàn)：

> lrwxrwxrwx 1 root root   13 3月   5 12:45 libcudnn.so -> libcudnn.so.5
> lrwxrwxrwx 1 root root   18 3月   5 14:38 libcudnn.so.5 ->libcudnn.so.5.1.10
> -rwxr-xr-x 1 root root  81M 3月   5 14:18 libcudnn.so.5.1.12
> -rw-r--r-- 1 root root 138M 3月   5 14:28 libcudnn_static.a

從上面可以看出朋凉，libcudnn.so 文件最終指向libcudnn.so.5.1.12
所以，我們要刪去原來的軟鏈接醋安，重寫加上正確的軟鏈接

> sudo rm libcudnn.so.5 libcudnn.so.5.1.10 
> sudo ln -s libcudnn.so.5.1.12 libcudnn.so.5

再次查看：

ll libcudnn*

lrwxrwxrwx 1 root root   13 3月   5 12:45 libcudnn.so -> libcudnn.so.5
lrwxrwxrwx 1 root root   18 3月   5 14:38 libcudnn.so.5 -> libcudnn.so.5.1.10
-rwxr-xr-x 1 root root  81M 3月   5 14:18 libcudnn.so.5.1.10

多個cuda版本下可能會報的錯

tensorflow-gpu is not working with Blas GEMM launch failed

InternalError (see above for traceback): Blas GEMM launch failed : a.shape=(1, 5), b.shape=(5, 10), m=1, n=10, k=5
     [[Node: layer1/MatMul = MatMul[T=DT_FLOAT, transpose_a=false, transpose_b=false, _device="/job:localhost/replica:0/task:0/gpu:0"](_arg_Placeholder_0_0/_11, layer1/weights/read)]]
     [[Node: layer2/MatMul/_17 = _Recv[client_terminated=false, recv_device="/job:localhost/replica:0/task:0/cpu:0", send_device="/job:localhost/replica:0/task:0/gpu:0", send_device_incarnation=1, tensor_name="edge_158_layer2/MatMul", tensor_type=DT_FLOAT, _device="/job:localhost/replica:0/task:0/cpu:0"]()]]

檢查這個錯誤首先先確定是不是真的顯卡不夠杂彭，被其他程序占去了大部分墓毒，如果是，可以適當(dāng)分配少量的顯卡給tensorflow

gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=0.333)
sess = tf.Session(config=tf.ConfigProto(gpu_options=gpu_options))

如果你顯卡內(nèi)存剩于挺多的亲怠，那么可能是你在配置多版本cuda時沒有清空之前cuda的緩存：

sudo rm -rf ~/.nv/     # 完美解決

可能會用到的操作

gcc版本降級

Ubuntu 16.04的gcc編譯器是5.4.0所计，然而CUDA 8.0不支持5.0以上的編譯器，因此需要降級团秽，把編譯器版本降到4.9主胧。命令如下：

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++

查看Ubuntu 16.04的Kernel，GCC和GLIBC的版本信息徙垫。

Kernel:

$uname -sr #或$ uname -r

GCC

$gcc -v #或$ gcc --version

GLIBC

$ ldd --version

參考網(wǎng)址

http://blog.csdn.net/tianrolin/article/details/52830422
http://blog.csdn.net/u012581999/article/details/52433609
https://www.cnblogs.com/mydebug/p/4972276.html
http://wiki.jikexueyuan.com/project/tensorflow-zh/get_started/os_setup.html
https://www.tensorflow.org/versions/r0.11/get_started/os_setup.html#optional-install-cuda-gpus-on-linux
https://zhuanlan.zhihu.com/p/33307112
http://blog.csdn.net/chcoolbeeboy/article/details/78110914
https://zhuanlan.zhihu.com/p/33307112
https://www.cnblogs.com/wangduo/p/7383989.html
https://www.tensorflow.org/install/#optional-install-cuda-gpus-on-linux
http://blog.csdn.net/s2010241013/article/details/55656248
https://www.cnblogs.com/apak/p/8410618.html
https://www.tensorflow.org/install/install_linux
https://mirrors.tuna.tsinghua.edu.cn/help/tensorflow/
http://blog.csdn.net/u014516389/article/details/72818155
http://blog.csdn.net/hungryof/article/details/52746279

GPU版本tensorflow安裝及介紹

GPU版本tensorflow安裝及介紹

安裝GPU加速的tensorflow 卸載tensorflow

一：本次安裝實驗環(huán)境

二：卸載TensorFlow

三：關(guān)于驅(qū)動那點事：

注意：這個版本搭配不是唯一的，首先你要了解你電腦的顯卡是什么類型硕蛹，然后根據(jù)你的顯卡類型選擇cuda的版本醇疼，在根據(jù)cuda的版本選擇cudnn的版本，最后再根據(jù)前面兩種的搭配選擇tensorflow的版本

tensorflow 1.4 及以下選擇cuda8.0 , 以上選擇cuda9.0

安裝cuda(以9.0為例子)

四：安裝cudnn

注意，按照網(wǎng)上一些版本不匹配的安裝方法炕檩，這里執(zhí)行后還要執(zhí)行復(fù)制和刪除軟連接的操作，其實完全是多余的，當(dāng)然韭畸，如果你不小心裝錯版本宇智，是有必要修改軟連接的

五：配置環(huán)境變量

六：安裝TensorFlow-gpu

注意事項：

七：測試

錯誤解決方案

軟鏈接出錯

多個cuda版本下可能會報的錯

可能會用到的操作

gcc版本降級

查看Ubuntu 16.04的Kernel，GCC和GLIBC的版本信息徙垫。

Kernel:

GCC

GLIBC

參考網(wǎng)址

GPU版本tensorflow安裝及介紹

安裝GPU加速的tensorflow 卸載tensorflow

一： 本次安裝實驗環(huán)境

二： 卸載TensorFlow

三： 關(guān)于驅(qū)動那點事：

注意：這個版本搭配不是唯一的，首先你要了解你電腦的顯卡是什么類型硕蛹，然后根據(jù)你的顯卡類型選擇cuda的版本醇疼，在根據(jù)cuda的版本選擇cudnn的版本，最后再根據(jù)前面兩種的搭配選擇tensorflow的版本

tensorflow 1.4 及以下選擇cuda8.0 , 以上選擇cuda9.0

安裝cuda(以9.0為例子)

四：安裝cudnn

注意，按照網(wǎng)上一些版本不匹配的安裝方法炕檩，這里執(zhí)行后還要執(zhí)行復(fù)制和刪除軟連接的操作，其實完全是多余的，當(dāng)然韭畸，如果你不小心裝錯版本宇智，是有必要修改軟連接的

五：配置環(huán)境變量

六： 安裝TensorFlow-gpu

注意事項：

七： 測試

錯誤解決方案

軟鏈接出錯

多個cuda版本下可能會報的錯

可能會用到的操作

gcc版本降級

查看Ubuntu 16.04的Kernel，GCC和GLIBC的版本信息徙垫。

Kernel:

GCC

GLIBC

參考網(wǎng)址

一：本次安裝實驗環(huán)境

二：卸載TensorFlow

三：關(guān)于驅(qū)動那點事：

六：安裝TensorFlow-gpu

七：測試