Linux環境，部署三大框架之一：tensorflow安裝

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

1. 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。
2. 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。