Ubuntu16.04下使用Anaconda配置GPU版本的Keras及TensorFlow

最新推荐文章于 2024-06-24 16:46:16 发布

Atomwh

最新推荐文章于 2024-06-24 16:46:16 发布

阅读量3.6k

点赞数 2

分类专栏：神经网络文章标签： keras tensorflow ubuntu

本文链接：https://blog.csdn.net/A_a_ron/article/details/78453126

版权

神经网络专栏收录该内容

8 篇文章 0 订阅

订阅专栏

前言

本文主要讲解在Ubuntu16.04 LTS系统上通过Anaconda安装配置不同版本的CUDA、CUDNN、TensorFlow以及Keras。在其它版本的Ubuntu上应该也是适用的（没有经过验证）。
由于需要安装的软件包很多，不同版本之间的适配就是一个比较大的问题，经过尝试采用了下面的搭配：Anaconda 5.0.1+python3.5+CUDA 8.0+CUDNN 6.0 +TensorFlow1.3或1.4+Keras2.0.8，下面进行逐步安装。

一，Anaconda安装及TensorFlow环境配置

在Anaconda官网下载Linux版本的安装文件：Anaconda3-5.0.1-Linux-x86_64.sh。本地下载后上传到服务器上，在命令行中输入：

sh /path/Anaconda3-5.0.1-Linux-x86_64.sh

按照提示进行安装。
安装完成之后，可以输入conda 命令进行测试，如果显示command not found ，这时进入root目录，输入source ~/.bashrc 进行配置文件的激活，之后就可以使用了。
使用conda命令创建一个python版本为3.5的TensorFlow环境（默认为3.6.3）：

conda create -n tensorflow python=3.5

创建完成之后，通过下面命令激活并进入tensorflow环境：

source activate tensorflow

进入环境之后可以通过conda list命令查看当前已经安装的包。
使用conda info -e可以查看当前所在的环境（默认环境为anaconda3）
输入下面的命令退出当前的tensorflow环境

source deactivate

新建环境之前建议更换anaconda的源，这样速度会非常快！
在创建环境之前输入下面命令：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes

即可

二，安装CUDA

到CUDA官网下载CUDA8.0的包，目前最新的是9.0，如果下载不到可以到网上搜索下载。本次安装使用的cuda包名为：cuda_8.0.61_375.26_linux.run。将该包上传到服务器上，输入下面命令进行安装：

./path/cuda_8.0.61_375.26_linux.run

注意：安装过程中会询问你很多选项，其中一个是问你是否安装驱动（driver），如果显卡已经安装过的话这里就输入no

安装完成之后通过下面的命令将CUDA路径添加至环境变量：

sudo gedit /etc/profile

在打开的文件中添加：

export CUDA_HOME=/usr/local/cuda-8.0
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}}

之后退出编辑在命令行中输入source /etc/profile即可。
可以在命令行中输入下面命令进行测试：

nvcc -V

CUDNN的安装

CUDNN为一加速库，为可选安装项。从官网下载需要注册账号申请，两三天批准。网盘搜索一般也能找到需要的版本。本次安装为6.0版，文件名为cudnn-8.0-linux-x64-v6.0.tgz。将该压缩包解压后是名为cuda的文件夹，里面有include和lib64两个文件夹，进入cuda目录，输入下面命令进行安装：

sudo cp include/cudnn.h /usr/local/cuda/include/
>>> sudo cp lib64/* /usr/local/cuda/lib64/
>>> cd /usr/local/cuda/lib64
>>> sudo ln -sf libcudnn.so.6.1.12 libcudnn.so.6
>>> sudo ln -sf libcudnn.so.6 libcudnn.so
>>> sudo ldconfig -v

注：libcudnn.so.6.1.12中的6.1.12 为版本号，不同的安装包这个对应的版本号不同。安装包解压完毕后可以进入lib64 目录中查看对于的版本。

Tensorflow安装

注意：建议安装Tensorflow和下面的Keras时，统一使用conda命令或者pip命令，不要混着用，可能会出错。同时建议尽量使用pip命令进行安装。

使用下面命令激活第一步添加的tensorflow 环境：

source activate tensorflow

进入成功后可以在命令行输入的开头看到(tensorflow) 的标注：
这里写图片描述

注：图片中的环境名为tensorflow-py-3.5

在该环境下输入下面命令进行tensorflow：

pip install tensorflow_gpu
or
conda install tensorflow_gpu

安装的过程会自动选择一些依赖包，建议选择yes进行安装。不断下一步即可。
安装成功后可进入python环境，导入tensorflow 包，如果没有错误的话，说明安装成功。

#导入tensorflow
import tensorflow

pip临时换源：（速度很快）

pip install tensorflow -i https://pypi.tuna.tsinghua.edu.cn/simple

Keras安装

Keras的安装比较见到，直接输入命令进行安装即可：

pip install keras
or
conda install keras

安装成功后可以进入python 环境进行测试：

import keras

此时会输出Using TensorFlow backend，如下：
这里写图片描述

Using TensorFlow backend 下面的输出时机器上当前GPU设备的情况。

Keras中mnist数据集测试

使用git下载keras对应的开发包，运行里面自带的测试文件。

#如果有git，则不需要安装
pip install git

git clone https://github.com/fchollet/keras.git
cd keras/examples/
python mnist_cnn.py#使用所有可用的GPU进行计算

运行不出错即可。
当想要指定GPU进行运算时，可参见Keras指定使用GPU运算

在运行过程中，程序需要到 https://s3.amazonaws.com/img-datasets/mnist.npz 下载MNIST 的训练文件，由于被墙了，基本上下载不动，这里上传一个离线的版本，链接: https://pan.baidu.com/s/1bppUbeR 密码: 77uv，下载完毕后放到对应文件夹即可。ubuntu的路径在.keras/datasets/.