0490-如何为GPU环境编译CUDA9.2的TensorFlow1.8与1.12

作者：李继武

1 文档编写目的

从CDSW1.1.0开始支持GPU，具体可以参考Fayson之前的文章《如何在CDSW中使用GPU运行深度学习》，从最新的CDSW支持GPU的网站上我们可以查到相应的Nvidia Drive版本，CUDA版本以及TensorFlow版本，如下：

我们注意到CUDA的版本是9.2，但是目前官方发布的编译好的TensorFlow的CUDA版本还是9.0，为了在CDSW环境中让TensorFlow运行在GPU上，必须使用CUDA9.2，我们需要手动编译TensorFlow源码。这里，以编译TensorFlow1.8和TensorFlow1.12的版本为例，指定CUDA的版本为9.2，cudnn的版本为7.2.1。

2 安装编译过程中需要的包及环境

此部分两个版本的操作都相同

1.配置JDK1.8到环境变量中

2.执行如下命令，安装依赖包

yum -y install numpy                                                
yum -y install python-devel
yum -y install python-pip
yum -y install python-wheel
yum -y install epel-release
yum -y install gcc-c++
pip install --upgrade pip enum34
pip install keras --user
pip install mock

如果安装时没有可用的包，可到下面的地址下载，然后制作本地yum源：

https://pkgs.org/

3.下载CUDA9.2并安装

到下面的地址下载CUDA9.2安装包：

https://developer.nvidia.com/cuda-92-download-archive?target_os=Linux&target_arch=x86_64&target_distro=RHEL&target_version=7&target_type=runfilelocal

选择runfile(local)版本：

上传到服务器：

修改文件权限，并运行该文件：

chmod +x cuda_9.2.148_396.37_linux.run
./cuda_9.2.148_396.37_linux.run 

将CUDA添加到环境变量：

export PATH=/usr/local/cuda-9.2/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-9.2/lib64:$LD_LIBRARY_PATH

执行如下命令应能看到cuda版本：

source /etc/profile
nvcc -V

4.cuDNN v7.2.1 下载并安装

到如下地址下载cudnn v7.2.1，需要注册之后才能下载：

https://developer.nvidia.com/rdp/cudnn-archive

上传到服务器CUDA的安装目录/usr/local/cuda，解压到该目录下

tar -zxvf cudnn-9.2-linux-x64-v7.2.1.38.tgz

在该目录下执行下面命令将cudnn添加到cuda的库中：

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*

进入lib64目录，建立一个软连接：

cd /usr/local/cuda/lib64
ln -s stubs/libcuda.so libcuda.so.1 

3 安装编译工具bazel

这部分编译不同的tensorflow版本需要安装不同版本的bazel，使用太新的版本有 时会报错。

A.Tensorflow1.12使用的bazel版本为0.19.2：

1.下载bazel-0.19.2：

wget https://github.com/bazelbuild/bazel/releases/download/0.19.2/bazel-0.19.2-installer-linux-x86_64.sh

2.添加可执行权限，并执行：

chmod +x bazel-0.19.2-installer-linux-x86_64.</