Mac下CUDA開啓及Tensorflow-gpu 1.4安裝

本文由@ray 出品，轉載請註明出處。
文章鏈接：
http://blog.csdn.net/wz22881916/article/details/78495543

在之前的文章中，筆者介紹了在Mac下安裝Tensorflow及開發環境搭建。但是感覺用CPU跑機器學習還是太慢了，所以便研究研究如何使用GPU來跑。

1.運行環境

軟件環境：
macOS Sierra 10.12.6
Xcode 8.2.1
Python 2.7
Homebrew

GPU Driver: WebDriver-378.05.05.25f03
CUDA Driver: cudadriver-8.0.90-macos
CudaToolkit: cuda_8.0.61_mac
CUDNN: cudnn-8.0-osx-x64-v6.0

硬件環境：
CPU：2.3 GHz Intel Core i7
Memory：16 GB 1600 MHz DDR3
GPU：NVIDIA GeForce GT 750M 2048 MB

首先需要注意的是，新版的Macbook現在搭載的都是A卡，這類機器的話除了用OpenCL的方法之外，還可以通過外置顯卡的方法跑機器學習。

2.CUDA安裝

首先需要說明的是：CUDA Driver與NVIDIA GPU Driver的版本必須一致，才能讓CUDA找到顯卡。

在mac上安裝CUDA最麻煩的事情就是版本匹配問題，這個版本匹配指的是MacOS版本和CUDA Driver、GPU Driver的版本都要匹配。這個網站提供了詳細的版本對照：http://www.macvidcards.com/drivers.html

1.先根據macOS 10.12.6版本，在這個網站http://www.macvidcards.com/drivers.html找到相應的GPU Driver-378.05.05.25f03（筆者的是這個版本），下載安裝。
（鏈接:https://pan.baidu.com/s/1dFB6RzN 密碼:rbcv）

2.再進入CUDA Driver頁面http://www.nvidia.com/object/mac-driver-archive.html，找到和GPU driver匹配的版本(cudadriver-8.0.90-macos筆者下的是這個)，然後下載安裝。

3.再進入CUDA Toolkit頁面https://developer.nvidia.com/cuda-toolkit-archive，下載、安裝CUDA Toolkit（筆者安裝的是cuda_8.0.61_mac）
（鏈接:https://pan.baidu.com/s/1bppWjt9 密碼:pthw）

4.CUDNN，筆者這裏下的是 cudnn-8.0-osx-x64-v6.0 https://developer.nvidia.com/rdp/cudnn-download
（鏈接:https://pan.baidu.com/s/1c2Nee1E 密碼:rpgq）

在以上①②③個東西都安裝好之後，配置 CUDA 環境，編輯 ~/.bash_profile 文件，打開終端：

open -e .bash_profile

然後在彈出的文件中添加：

export CUDA_HOME=/usr/local/cuda
export DYLD_LIBRARY_PATH="$CUDA_HOME/lib:$CUDA_HOME/extras/CUPTI/lib"
export LD_LIBRARY_PATH=$DYLD_LIBRARY_PATH
export PATH=$DYLD_LIBRARY_PATH:$PATH
export flags="--config=cuda --config=opt"

執行命令重啓bash_profile

$ . ~/.bash_profile

檢測CUDA能否正常運行：

$ cd /usr/local/cuda/samples
$ sudo make -C 1_Utlities/deviceQuery
$ ./bin/x86_64/darwin/release/deviceQuery

如果最後顯示 Result = PASS，那麼CUDA就工作正常

隨後再安裝CUDNN

下好後直接把cudnn-8.0-osx-x64-v6.0.tar壓縮包丟到這下面，這是在安裝CUDA的時候他就幫你建好的一個路徑。

/Developer

然後sudo tar xvf cudnn-8.0-osx-x64-v6.0.tar解壓它。

官方解壓出來叫做cuda應該意思就是讓你放到cuda這個文件夾下和cuda自己的文件合併。

在瞭解cuda的前情後，就知道怎麼裝這個cudnn了。

sudo mv include/cudnn.h /Developer/NVIDIA/CUDA-8.0/include/
sudo mv lib/libcudnn* /Developer/NVIDIA/CUDA-8.0/lib
ln -s /Developer/NVIDIA/cudnn/include/* /usr/local/cuda/include/
ln -s /Developer/NVIDIA/cudnn/lib/* /usr/local/cuda/lib/

至此CUDA部分安裝結束。

附上一張用CUDA-Z查看的圖:
（鏈接:https://pan.baidu.com/s/1slxBoPf 密碼:d43e）

3.Tensorflow_gpu安裝

這裏依然是基於之前文章中提到的Anaconda環境進行安裝，不知道的同學可以看這裏http://blog.csdn.net/wz22881916/article/details/78495543

3.1 打開終端，輸入以下命令創建環境：

$ conda create -n tensorflow_gpu python=2.7

3.2 激活環境：

$ source activate tensorflow_gpu

3.3 安裝tensorflow：

安裝tensorflow的時候特別的需要小心，因爲tensorflow團隊宣佈停止支持1.2以後mac 版的tensorflow了。

如果你直接用pip install 的方法的話，那麼應該會裝成1.1版的tensorflow：

pip install tensorflow-gpu

我來詳細的介紹一下安裝tensorflow-gpu 1.4版的步驟：

你可以選擇自己從源碼編譯tensorflow進行安裝，或者使用別人編譯好的進行安裝。

筆者這裏提供一個環境爲python=2.7，CUDA=8.0，CUDNN=6，Compute Capability=3.0,3.5,5.2,6.1,tensorflow=1.4.0的版本給大家。如果你裝的版本和筆者在上文中提到的一樣的話，那麼下載下來這個包之後，
（鏈接:https://pan.baidu.com/s/1hsgY5Kg 密碼:suq7）

cat 到下載目錄下，

然後直接

pip install tensorflow-1.4.0-cp27-cp27m-macosx_10_12_intel.whl

即可

其中cp27代表的是python的版本爲2.7版的，如果是cp35，cp36，那麼就代表是python3.5或者python3.6的；macosx_10_12代表的是操作系統的版本號

3.4 測試tensorflow

運行python環境
執行如下測試腳本：

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

3 . 測試結果：

2017-12-14 23:26:26.352229: I tensorflow/core/platform/cpu_feature_guard.cc:137] Your CPU supports instructions that this TensorFlow binary was not compiled to use: SSE4.2 AVX AVX2 FMA
2017-12-14 23:26:27.049231: I tensorflow/stream_executor/cuda/cuda_gpu_executor.cc:859] OS X does not support NUMA - returning NUMA node zero
2017-12-14 23:26:27.050014: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1062] Found device 0 with properties: 
name: GeForce GT 750M major: 3 minor: 0 memoryClockRate(GHz): 0.9255
pciBusID: 0000:01:00.0
totalMemory: 2.00GiB freeMemory: 1.71GiB
2017-12-14 23:26:27.050043: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1152] Creating TensorFlow device (/device:GPU:0) -> (device: 0, name: GeForce GT 750M, pci bus id: 0000:01:00.0, compute capability: 3.0)

Hello, TensorFlow!