在Ubuntu搭建TensorFlow環境

我一直想要最大化tensorflow的計算能力，於是我決定在家用電腦上安裝和優化它。這裡，我將分享如何選擇安裝tensorflow的某個版本——它並不像看起來那麼容易，因為你需要了解系統功能，而且涉及到gpu、以及你正在使用的python版本。在選擇tensorflow的版本時，可以選擇「release」版本，也可以選擇每日構建版。本文講述如何輕鬆獲得每日構建版並安裝到自己的機器上執行。（系統環境是ubuntu linux）

在安裝tensorflow前，有四個主要選項：

帶gpu支援的版本可以充分利用gpu的計算能力，但首先要檢查您的系統是否支援cuda gpu。

開啟終端，執行命令：

# lspci | grep -i nvidia

看看返回了什麼，比如我的：

檢視gpu型號名稱：geforce gtx 860m，然後可以在nvidia官網檢查是否相容cuda的資訊，具體見：

可以看到支援我的gpu，所以可以安裝帶gpu的tensorflow版本。檢視tensorflow**，具體見：

可以看到有乙個我需要安裝的依賴庫libcupti。安裝它：

# sudo apt-get install libcupti-dev

關於如何安裝tensorflow本身，可以閱讀：#installingnativepip

接下來需要確定本機的python版本以及其相關的pip工具。如果還沒有python環境，應該先安裝它們。可以參閱系統說明：

ubuntu linux預設自帶了python 2.7，就將就這個版本吧，先安裝pip工具：

# sudo apt-get install python-pip python-dev

請注意，如果您使用python 3.x，就應該使用軟體包python3-pip和python3-dev。

還要注意，pip工具的版本至少應為8.1以上的版本。（用pip -v檢查版本）

一旦完成了這一切，就可以簡單地安裝nightly build版的tensorflow：

# sudo pip install tf-nightly-gpu

或者，如果您的系統不支援cuda（請參閱上面的部分），請使用：

# sudo pip install tf-nightly

現在可以使用以下步驟檢查tensorflow是否工作。

首先：開啟乙個python直譯器：

# python

然後，匯入tensorflow庫：

import tensorflow as tf

請注意，如果沒有正確安裝tensorflow，或者將帶gpu的版本安裝在不受支援的系統上，就會在此處出現錯誤。cuda錯誤在這一步上非常普遍。如果有效，就可以試試列印出tensorflow的版本：

print(tf.__version__)

（注意version前後有2個下劃線）

完成後，您應該看到列印出的tensorflow版本 - 如下所示：

可以看到，由於使用了最新的每日構建版，所以tensorflow當前的最新版本是1.4。

在Ubuntu搭建TensorFlow環境

在UBuntu下搭建LAMP

在Ubuntu上搭建Git server

在Ubuntu17 10搭建pytorch環境

在Ubuntu搭建TensorFlow環境

在UBuntu下搭建LAMP

在Ubuntu上搭建Git server

在Ubuntu17 10搭建pytorch環境

相關推薦