如何在Linux上安装张量流

Question

在TensorFlow主网站上，您必须专门启用gpu：

# Ubuntu/Linux 64-bit, GPU enabled:
$ sudo pip3 install --upgrade https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-0.7.1-cp34-none-linux_x86_64.whl

在anaconda网站上，您只需要安装张量流，但没有迹象表明这是GPU还是CPU版本：

conda install -c https://conda.anaconda.org/jjhelmus tensorflow

运行Anaconda命令后，我决定确保它是GPU版本，所以我尝试在anaconda文件夹中运行pip命令。

当我运行pip命令时，出现以下错误：

  

tensorflow-0.7.1-cp34-none-linux_x86_64.whl不是此平台上支持的滚轮

我不知道轮子是什么......但是我有一台装有多核i7的新款笔记本电脑（去年7月）和一台笔记本电脑的nvidia卡，其计算等级为5.2，安装了CUDA（Ubuntu 15.10）。

必须有一个与我的规格兼容的版本。

如何将张量流安装升级到GPU版本？

更新

当我跑：import pip; print(pip.pep425tags.get_supported())时，支持的轮子包括

  

CP35

但TensorFlow可用的轮子是cp34 ...那么这意味着GPU上的TensorFlow对我的电脑不起作用吗？

Answer 1

看似愚蠢，只需将轮子从3.4重命名为3.5即可：

$ wget https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-0.7.1-cp34-none-linux_x86_64.whl
...
$ pip install tensorflow-0.7.1-cp34-none-linux_x86_64.whl
tensorflow-0.7.1-cp34-none-linux_x86_64.whl is not a supported wheel on this platform.
$ mv tensorflow-0.7.1-cp3{4,5}-none-linux_x86_64.whl
$ pip install tensorflow-0.7.1-cp35-none-linux_x86_64.whl
Processing ./tensorflow-0.7.1-cp35-none-linux_x86_64.whl
...
Installing collected packages: tensorflow
Successfully installed tensorflow-0.7.1

Answer 2

Tensorflow V1.0中的所有内容都发生了变化，本指南解释了如何在支持GPU的Ubuntu课程中安装TensorFlow。我只在Ubuntu 14.04上测试了这些说明。

• nVidia检查

首先，您必须检查是否已安装nVidia以进行检查，请输入以下命令：

nvidia-smi

你应该看到像这样的东西

如果你看到这个，你的nvidia卡已正确安装。

• 安装CUDA，Cudnn

转到https://developer.nvidia.com/cuda-downloads并下载ubutu 14.04的cuda工具包（下载.deb文件）并使用这些命令安装

sudo dpkg -i cuda-repo-ubuntu1404-8-0-local-ga2_8.0.61-1_amd64.deb
sudo apt-get update
sudo apt-get install cuda

小心 tensorflow V1.0需要cuda-8.0并且不能使用cuda-7.5，如果你安装了cuda-7.5及更低版本，你在python中输入tensorflow时会出现这个错误/ p>

ImportError：libcudart.so.7.5：无法打开共享对象文件：没有这样的文件或目录。

安装cuda-8.0之后转到https://developer.nvidia.com/cudnn并下载cuDNN v5.1（2017年1月20日），对于CUDA 8.0并使用以下命令安装

tar -xzvf cudnn-8.0-linux-x64-v5.1.tgz
sudo cp -P include/cudnn.h /usr/local/include
sudo cp -P lib64/libcudnn* /usr/local/lib64
sudo chmod a+r /usr/local/lib64/libcudnn*

最后将这些行添加到您的路径文件中，可以将这些行添加到〜/ .bashrc文件中，以便使用以下命令：

打开〜/ .bashrc

sudo nano ~/.bashrc

添加这些行

export CUDA_HOME=/usr/local/cuda-8.0
export LD_LIBRARY_PATH=/usr/local/cuda/lib64

• Tensorflow

用于安装支持gpu的tensorflow，你可以使用下面的一个命令安装它

pip install tensorflow-gpu

  

我的tensorflow / stream_executor / dso_loader.cc：135]在本地成功打开了CUDA库libcublas.so.8.0   我的tensorflow / stream_executor / dso_loader.cc：135]在本地成功打开了CUDA库libcudnn.so.5   我的tensorflow / stream_executor / dso_loader.cc：135]在本地成功打开了CUDA库libcufft.so.8.0   我的tensorflow / stream_executor / dso_loader.cc：135]在本地成功打开了CUDA库libcuda.so.1   我的tensorflow / stream_executor / dso_loader.cc：135]在本地成功打开了CUDA库libcurand.so.8.0

毕竟如果你在python控制台中导入tensorflow时做的事情都是正确的你可以看到这些，这意味着你的支持gpu的张量流