TensorFlow 1.13.0 在 Ubuntu 下的安裝

說明

Google 官方對tensorflow 各版本及其依賴工具 的說明如下：

重要：一定要在自己工作站的 BIOS 中設置 Security Boot 爲 Disabled

1. 安裝顯卡驅動

1.1 下載英偉達官方驅動

NVIDIA 顯卡驅動，自行選擇適合本機的驅動

1.2 卸載原有的 NVIDIA 驅動

如果原來是使用 apt 命令安裝的 NVIDIA 驅動，使用如下命令進行卸載

sudo apt remove --purge nvidia*

如果原來是使用 runfile 安裝的 NVIDIA 驅動，使用如下命令進行卸載

sudo chmod +x *.run
sudo ./NVIDIA-Linux-x86_64-430.09.run --uninstall

1.3 禁用第三方驅動

• 打開編輯配置文件：sudo vim /etc/modprobe.d/blacklist.conf

• 最後一行添加：

  blacklist nouveau
  options nouveau modeset=0
  

• 執行命令：sudo update-initramfs -u

• 重啓計算機後執行命令 lsmod |grep nouveau ，如果沒有任何輸出，說明禁用成功
  

1.4 禁用 X 服務

• 執行命令：sudo /etc/init.d/lightdm stop
• 若提示 Unit lightdm.service not loaded 說明 lightdm 未安裝，執行 sudo apt install lightdm 安裝 lightdm，最後執行 sudo /etc/init.d/lightdm stop
• 按 Ctrl+Alt+F2 進入命令行模式，輸入用戶名和密碼登錄

1.5 NVIDIA 驅動安裝

• 使用如下命令安裝 NVIDIA 驅動，安裝過程中全部使用默認選項進行安裝即可：

  # 給驅動run文件賦予執行權限：
  sudo chmod a+x NVIDIA-Linux-x86_64-390.25.run
  # 參數 -no-opengl-files 非常重要，不可省略
  sudo ./NVIDIA-Linux-x86_64-390.25.run -no-opengl-files
  

• NVIDIA 驅動安裝完成，執行命令 sudo service lightdm start 啓動 X 服務，並重啓計算機

• 重新啓動後執行 nvidia-smi ，若列出 GPU 的信息列表，說明驅動安裝成功；
  

2. gcc 和 g++ 版本適配

sudo apt install gcc-4.8
ll /usr/bin |grep gcc #若存在高版本的gcc，則繼續
cd /usr/bin
sudo mv gcc gcc.bak #備份
sudo ln -s gcc-4.8 gcc  #重新指向

sudo apt install g++-4.8
ll /usr/bin |grep g++ #若存在高版本的g++，則繼續
cd /usr/bin
sudo mv g++ g++.bak #備份
sudo ln -s g++-4.8 g++  #重新指向

3. 安裝 CUDA 和 cuDNN

3.1 準備工作

• 從官網下載 CUDA 10.0

• 選擇合適的 cuDNN 版本並下載，需要登錄自己的賬號
  

3.2 配置 CUDA

執行 sudo sh cuda_10.0.130.1_linux.run 開始安裝 cuda-10.0，注意：不要安裝驅動，可以在自定義安裝目錄，默認在 /usr/local/cuda-10.0 目錄下。

3.3 環境變量配置

sudo vim ~/.bashrc

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

source ~/.bashrc

3.4 驗證 cuda 是否安裝成功

3.5 運行 Sample

cd /usr/local/cuda-10.0/samples/1_Utilities/deviceQuery
sudo make

3.6 安裝 cuDNN 7.4

tar -xzvf cudnn-10.0-linux-x64-v7.4.2.24.tgz

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

3.7 多個 CUDA 共存

查看 /usr/local 目錄下的內容，如下圖，已經安裝的版本有 cuda-10.0 和 cuda-10.1

可以看到，文件類型是 symbolic link ，指向 /usr/local/cuda-10.0，當我們想要使用 10.1 版本時，只需要刪除當前軟鏈接，重新建立指向 10.1 版本的軟鏈接即可

sudo rm -rf cuda
sudo ln -s /usr/local/cuda-10.1 /usr/local/cuda

4. Python3.6

Ubuntu18.04 的默認 Python 版本是 3.6.5，所以無需再安裝 Python

4.1 安裝並更新 pip3

sudo apt install python3-pip
pip3 install --upgrade pip

4.2 解決更新 pip3 的問題

1. 問題：ImportError: cannot import name 'main'：

   解決方案：打開 pip3 文件，sudo vim /usr/bin/pip3，文件內容如下：

   #!/usr/bin/python3
   # GENERATED BY DEBIAN
   
   import sys
   
   # Run the main entry point, similarly to how setuptools does it, but because
   # we didn't install the actual entry point from setup.py, don't use the
   # pkg_resources API.
   from pip import main
   if __name__ == '__main__':
       sys.exit(main())
   

   將倒數第三行的 from pip import main 改爲 from pip._internal import main

4.3 更換 pip3 鏡像源

1. 創建 pip3 的配置文件

   sudo mkdir ~/.pip
   cd ~/.pip
   touch pip.conf
   

2. 設置 pip3 的鏡像

   sudo vim ~/.pip/pip.conf
   
   [global]
   index-url = https://pypi.tuna.tsinghua.edu.cn/simple/
   [install]
   trusted-host=pypi.douban.com
   

5. 安裝 tensorflow-gpu 1.13.1

5.1 使用 pip 安裝

命令行輸入 sudo pip3 install tensorflow-gpu==1.13.1， 等待安裝完成

tensorboard<1.14.0,>=1.13.0(from tensorflow-gpu==1.13.1)
protobuf>=3.6.1(from tensorflow-gpu==1.13.1)
keras-processing>=1.0.5(from tensorflow-gpu==1.13.1)
astor>=0.6.0(from tensorflow-gpu==1.13.1)
keras-application>=1.0.6(from tensorflow-gpu==1.13.1)
numpy>=1.13.3(from tensorflow-gpu==1.13.1)
gast>=0.2.0(from tensorflow-gpu==1.13.1)
absl-py>=0.1.6(from tensorflow-gpu==1.13.1)
tensorflow-estimator<1.14.0rc0,>=1.13.0(from tensorflow-gpu==1.13.1)
wheel>=0.26(from tensorflow-gpu==1.13.1)
temcolor>=1.1.0(from tensorflow-gpu==1.13.1)
grpcio>=1.8.6(from tensorflow-gpu==1.13.1)
six>=1.10.0(from tensorflow-gpu==1.13.1)

werkzeug>=0.11.15(from tensorboard<1.14.0,>=1.13.0->tensorflow-gpu==1.13.1)
markdown>=2.6.8(from tensorboard<1.14.0,>=1.13.0->tensorflow-gpu==1.13.1)

setuptools(from protobuf>=3.6.1->tensorflow-gpu==1.13.1)

h5py-2.9.0(from keras-application>=1.0.6->tensorflow-gpu==1.13.1)

mock>=2.0.0(from tensorflow-estimator<1.14.0rc0,>=1.13.0->tensorflow-gpu==1.13.1)

5.2 離線安裝

方案一：從已經安裝好 tensorflow-gpu 1.13.1 的機器上拷貝 /usr/local/lib/python3.6/dist-package到目標機器的相同位置即可

方案二：從 python 官網 下載以下 tensorflow 依賴的 whl 文件，tensorflow 及其依賴之間的關係如下圖所示，使用命令 sudo pip3 install 文件名 從本地逐個安裝。