Tensorflow学习系列(1)——环境配置

写在此系列前的一些话

  在人工智能、深度学习爆红的年代，今天我也来凑凑热闹，本人也是一个GIS在读研究生，所以对深度学习方面可能还有很多理解不透彻的地方，这个系列就是本人一个梳理和学习的过程，如果学习过中涉及一些代码和本人学习的教程，我也会在每篇的末尾贴上Github地址以及学习视频的地址。

系列介绍

  本人学习深度学习框架是Tensorflow以及后期会介绍Keras的部分，学习的内容会按照《Tensorflow实战Google深度学习框架》这本书来进行以及youtube上的一些学习视频来进行相关案例补充和介绍。
  本文介绍一些Tensorflow GPU版本的环境搭建。

Tensorflow版本介绍

  Tensorflow分为GPU和CPU版本，GPU版本必须要有英伟达的显卡才可以进行安装配置，CPU简单直接安装即可。
  本文介绍基于Ubuntu1604版本的TensorflowGPU版本安装介绍。

Ubuntu Server 1604安装部署

选择语言

  建议选择英语，亲测选择简体中文之后，后面安装会出错。

安装

  选择安装Install Ubuntu Server

  后面几步默认即可

配置主机名和用户

  设置主机名

  创建用户


  设置密码

分区

  选择自定义分区（这一步是上网查询所写）实际选择第二项即可，后面依次默认就可以安装成功。

  选择挂载上的分区

  新建分区

  然后看到这个图片的时候就是安装成功的时候，后面重启就行啦。

重启登录以及设置

  重启登录只要输入之前设置的用户和密码

  然后输入sudo passwd root，即可初次为root用户设置密码

Ubuntu安装后的准备工作

安装ssh

  输入Apt-get install openssh-server
  启动ssh，输入Service ssh start
  开机自启，发现ubuntu中没有chkconfig工具。

自启动ssh

  没有chkconfig，但是ubuntu中有一个类似的工具，sysv-rc-conf
  输入apt-get install sysv-rc-conf安装即可
  然后sysv-rc-conf即可

安装显卡驱动

检查显卡型号

  输入lshw -numeric -C display 如

可以看到我的显卡型号

显卡驱动安装准备工作

  首先要暂停了ubuntu自带的nouveau，再安装显卡驱动，不然会出错。

  首先把驱动加入黑名单中:vim /etc/modprobe.d/blacklist.conf 在这个文件中加入

blacklist nouveau
blacklist lbm-nouveau
options nouveau modeset=0
alias nouveau off
alias lbm-nouveau off

  再用以下命令禁用nouveau内核

echo options nouveau modeset=0 | sudo tee -a /etc/modprobe.d/nouveau-kms.conf  
sudo update-initramfs –u

  重启：reboot之后就可以了。
  具体的显卡驱动的安装在安装cuda的时候安装，多次证明还是利用cuda安装不会出问题。

安装cuda

cuda选择与安装

  cuda需要去官网查看下载对应版本，我是下载的ubuntu1604版本的
  https://developer.nvidia.com/cuda-downloads注意下载runfile文件，deb格式的安装会有一些意想不到的问题。

  输入sh cuda_8.0.61_375.26_linux.run安装即可。

  下面就是一步一步点即可，这个过程中也安装了显卡驱动，所以之前查看完显卡驱动之后可以选择不安装。

cuda环境变量配置

  在 ~/.bashrc文件中添加

export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64/
export CUDA_HOME=/usr/local/cuda

  前两个是cuda官网安装文档中建议的变量，第三个是tensorflow-GPU版本要求的变量
  然后重新生成一下source ~/.bashrc

检查显卡驱动安装结果

  这时候可以一起检查下显卡驱动的结果了nvidia-smi

安装深度学习库cuDNN

  到官网下载cudnn，需要注册，填很多表，然后选择对应的学习库

  我选择的是5.1版本的，因为版本7的实际安装之后出现了一些没能解决的问题。
  然后解压tar xvzf cudnn-8.0-linux-x64-v5.1.tgz之后
将其复制到相应路径

cp cuda/include/cudnn.h /usr/local/cuda/include
cp cuda/lib64/libcudnn* /usr/local/cuda/lib64

  并且修改文件访问权限

sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*

安装Anaconda

下载Anaconda

  在网上下载Anaconda，选择linux python 3.6版本，https://www.anaconda.com/download/,
  得到一个Anaconda3-4.4.0-Linux-x86_64.sh

安装Anaconda

  bash Anaconda3-4.4.0-Linux-x86_64.sh，这样安装就可以路径选择时 输入/usr/anaconda3即可
此上都是在root用户下安装配置。

Python降级

  Anaconda3安装的python3是python3.6，但是tensorflow需要用python3.5版本
  所以需要降级：conda install python=3.5即可

创建并切换用户

  创建新用户 useradd tf2
  为新用户设置密码pass tf2
  切换用户 sudo tf2

安装虚拟环境

  切换到tf2用户下，进行安装，首先要给tf2用户权限

chown -R tf2 /usr/anaconda3

  创建名字叫tensorflow的虚拟环境，指定python版本为3.5.2

conda create --name tensorflow python=3.5.2

  显示所有环境名字和路径conda info --envs
  使用环境和退出环境activate tensorflow/deactivate tensorflow
  进入环境之后就可以安装各种东西 进行运算啦pip install tensorflow-gpu
  安装keras输入conda install keras
  克隆环境conda create -n my_th --clone tensorflow
  删除环境conda remove -n my_th --all