tensorflow
參考:https://www.nvidia.com/en-us/data-center/gpu-accelerated-applications/tensorflow/
基礎環境需求:
64bit os Linux環境(本人使用centos 7.2 ,Ubuntu環境請參考官網)
python 2.7以上
CUDA8.0以上
cuDNN v6以上
- 安裝nvidia驅動和CUDA toolkits,重啓。另有一篇博客介紹這兩點,不再贅述。
- 設置路徑
$ export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}
$export
LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64\${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
此時要驗證是否把基礎環境配好,進入到/usr/local/cuda-8.0/samples目錄,make一兩個程序,跑一下即可。
3.cuDNN安裝。
這是將頭文件以及相關動態鏈接庫,copy到cuda的頭文件五路,以及lib64目錄下即可。
$ tar -xzvf cudnn-8.0-linux-x64-v5.1.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*
4 安裝tensorflow-gpu。
tensorflow是支持python開發的一個訓練框架API,直接使用pip安裝即可。
如果是運行 pip install tensorflow,安裝的則是cpu版本的。不會使用GPU。
5.安裝完成之後,驗證是否正確安裝了tensorflow環境,可以跑一個helloworld來看看。
如下:$python
在python命令模式下:
$ import tensorflow as tf
$ hello = tf.constant('Hello, TensorFlow!')
$ sess = tf.Session()
$ print(sess.run(hello))
如果執行成功,則恭喜你,tensorflow已經完成了。
如果出現段錯誤類似的問題,我當時也被該問題搞了半天,後來參考了stackoverflow上面的其他例子,考慮到可能是python包衝突,切換到python虛擬隔離環境,立馬就沒問題了。
6.訓練模型
Tensorflow通過python和C++ API使用,後端通過C++提供核心功能。
cd(tensorflowdirectory) git clone -b update-models-1.0 https://github.com/tensorflow/models
Quick demo。
$ cd (tensorflow directory)/models/tutorials/image/imagenet
$ python classify_image.py
可以測試其他圖片集合。
$ python classify_image.py --image_file <path to the JPEG file>
(e.g. python classify_image.py --image_file /tmp/imagenet/cropped_pand.jpg)
CIFAR-10 benchmark
機器學習的通用benchmark。任務目標是分類RGB32*32的圖片,圖片共十種類型。
$ cd (tensorflow directory)/models/tutorials/image/cifar10
$ python cifar10_train.py
$ python cifar10_eval.py 對結果的評估。