在Ubuntu 18.04上安裝Tensorflow

我們將經歷幾個階段，安裝cuda-9.0，cudnn和tensorflow cpu以及tensorflow gpu版本。最後我們將用cuda-9.0安裝pytorch。在MARVEl電影中黑寡婦的“我與這場戰爭作戰，所以你不必”。

昨天晚上，2018年4月29日，我成功在Ubuntu 18.04上安裝了Tensorflow。但是，安裝Tensorflow的關鍵是正確安裝Cuda和cuDNN libray，因為昨晚Tensorflow編譯的執行檔案只支援cuda-9.0。檢查這個帖子是不是已經過時。 在我們安裝Cuda-9.0之前，您可能需要將ubuntu映象源網站更改為適合您的最新版本。我把它改成了mirro.ustc.edu.cn， 因為我在中國安徽合肥。和ubuntu16.04不同，你需要顯示應用程式頁面中搜尋軟體和更新。 然後請將GPU驅動更改為由Nvidia測試的390版本。

---

安裝Cuda-9.0

閱讀完Tensorflow網站，我們知道我們必須首先安裝cuda9.0。首先百度CUDA-9.0 ,.然後選擇linux，然後ubuntu-16.04，最後下載runfile，即1.6 GB，但可以非常快速地下載。

在我們安裝runfile之前，我們需要安裝一些依賴關係，否則你會得到“Missing recommended libary”這樣的警告。

Libray警告

安裝像這樣的依賴關係。

sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev

接下來，讓我們像這樣一樣安裝cuda-9.0。

sudo chmod 777 *.runfile    # give permission to run all the runfile files
sudo ./cuda_9.0.176_384.81_linux.run -toolkit -samples -silent -override #

cuda-9.0安裝路徑是“/usr/local/cuda-9.0”。為避免missing libray錯誤，我們在cuda-9.0的這個目錄中建立一個符號連結“cuda”。

cd /usr/local
sudo ln -s /usr/local/cuda-9.0 cuda     # create the symbolic link

在驗證我們安裝cuda-9.0之前，我們會降低我們的gcc版本，否則我們會得到”gcc later than 6 is not supported error” 這樣的錯誤。

GCC錯誤

檢查這個和Ubuntun 18.04上的gcc版本，我們決定降低我們的gcc版本。

gcc --version   # check ubuntu 18.04 gcc version, you will find it's 7.3.0
sudo apt install gcc-5 g++-5
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-5 50   # you will find that message that tells you the gcc-5 is set to be automatic.
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-5 50   # similiar message as gcc

將cuda設定為環境變數

 export PATH=/usr/local/cuda-9.1/bin${PATH:+:${PATH}}
 export LD_LIBRARY_PATH=/usr/local/cuda-9.1/lib64\
                         ${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}

驗證cuda-9.0安裝

cd NVIDIA_CUDA-9.0_Samples/5_Simulations/fluidsGL
make clean && make
./fluidsGL

如果cuda-9.0正確安裝，在我們的製作過程中應該沒有錯誤資訊。然後我們可以得到流體模擬。

流體模擬示例

我們的cuda-9.0已成功安裝！在我們繼續之前， 我們可以測試一下其他的sample。

---

安裝cuDNN7.0

讓我們安裝cuDNN庫來加速我們的深度學習演算法。註冊，點選“Archived cuDNN Releases”。然後下載 cuDNN v7.0.5 (Dec 5, 2017), for CUDA 9.0 下載三個檔案ubuntu16.04檔案 runtime library. developer library, and code samples and user guide。

sudo dpkg -i libcudnn7_7.0.5.11-1+cuda9.0_amd64.deb
sudo dpkg -i libcudnn7-dev_7.0.5.11-1+cuda9.0_amd64.deb
sudo dpkg -i libcudnn7-doc_7.0.5.11-1+cuda9.0_amd64.deb

安裝Freeimage

在我們驗證cuDNN之前，我們必須首先安裝freeimage lilbray作為ministCUDNN示例程式碼的依賴關係。否則，會有提示要求我們正確設定Freeimage。

sudo apt-get install libfreeimage3 libfreeimage-dev

驗證cuDNN安裝

cp -r /usr/src/cudnn_samples_v7/ $HOME
cd $HOME/cudnn_samples_v7/mnistCUDNN
make clean && make
./mnistCUDNN

如果一切正常，我們可以得到我們的結果 – “測試通過！”

ministCUDNN 示例

我們也可以編譯其他示例。

---

安裝Tensorlfow

我們將使用virualenv安裝。 首先安裝libcupti-dev庫。

sudo apt-get install libcupti-dev
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/extras/CUPTI/lib64

然後我們將安裝virtualenv並建立一個Tensorflow Environment。

sudo apt-get install python3-pip python3-dev python-virtualenv
virtualenv --system-site-packages -p python3 tensorflow # create a enviroment named tensorflow

這需要一段時間，請耐心等待。

安裝Tensorflow CPU版本

當環境建立好了，我們必須在每次使用tensorflow時啟用它。首先按照推薦安裝tensorflow cpu version。

source ~/tensorflow/bin/activate
pip3 install --upgrade tensorflow  # install the cpu version

驗證Tensorflow CPU版本

在同一個環境中，這意味著你會在你的shell中看到它。

(tensorflow)$

鍵入python和下面的python程式碼。

python

# Python
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))

這是我的結果。雖然它與官方驗證結果不同，但是應該沒問題。

>>> print(sess.run(hello))
b'Hello, TensorFlow!'
>>>

###安裝Tensorflow GPU版本 首先確保我們處於同一環境中。

pip3 install --upgrade tensorflow-gpu

但是,下載whl檔案的網速較慢。所以我們可以用自己的“方法”到瀏覽器中的whl檔案和本地pip3安裝。

驗證Tensorflow GPU版本

仍然確保你在Tensorflow Enviroment。

鍵入python和下面的python程式碼。

python

# Python
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))

結果是一樣的。但是我們可以看到我們的GPU裝置正在工作。您可以在下面的測試結果中看到我的GTX 1050 Ti。

Tensorflow GPU 驗證安裝

我們在Ubuntu 18.04上成功安裝了Tensorflow。 您可以在Tensorflow網站上測試更多的模型，git克隆模型庫非常緩慢。因此，我們也可以用“自己的方法”在瀏覽器中下載張量流模型庫。 This my fisrt example.

Tensorflow 鳶尾花進行分類

---

##安裝Pytorch 我們將使用由pytorch推薦的軟體包管理器Anaconda來安裝它。 ###安裝Anaconda 我在合肥,所以我選擇科大映象來下載anaconda安裝的.sh檔案。 在我們安裝了Anaconda之後。我們必須改變“Anaconda3”的擁有者，否則我們不能將檔案寫入此目錄。 我們檢查我們的使用者名稱和使用者組。

groups

第一組通常是你現在的組。 這是我的結果。

我的使用者組

由於我的使用者組是bryan，我的使用者名稱也是bryan。所以我會將下面的命令改為“chown -R bryan：brayn anaconda3”。“-R”的意思是迭代，這個引數將改變整個anacodna3檔案的所有者。

chown -R YOUR_GROUp:YOUR_USER_name anaconda3

更改Anaconda頻道

在安裝pytorch之前，我們可以設定Anaconda映象源以減少等待時間。同樣，我的映象源是科大映象。

conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes

###安裝Pytorch 然後我們可以去pytorch網站。選擇linux，python版本為3.6，cuda版本為9.0。請不要執行這個命令。 後一個pytorch意味著我們將從它的官方網站下載pytorch，這對我來說非常緩慢。因此，將最後一個pytorch替換為適合您的映象源。

conda install pytorch torchvision cuda91 -c https://mirrors.ustc.edu.cn/anaconda/cloud/pytorch/

驗證Pytorch

您可以嘗試pytoch webstie上的示例。這是我的結果。

pytorch 匯入資料

---

恭喜安裝成功！如果本教程任何問題，請發郵件給我。