Centos7 深度学习四个常用框架的配置

本文将会讲到四种典型的深度学习框架：Tensorflow-GPU  keras pyTorch caffe 的配置和安装。我们的系统环境是Centos 7。

一：先安装anaconda，因为anaconda较python来讲，其库更全，而且也便于支持其他语言。

（1） 下载个anaconda。地址：https://www.continuum.io/downloads 或者 https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/ 。下载Anaconda3-5.1.0-Linux-x86_64.sh，注：本机为64位系统。

（2）上传Anaconda3-5.1.0-Linux-x86_64.sh至虚拟机centOS7的home目录下。

（3）输入命令：bash Anaconda3-5.1.0-Linux-x86_64.sh

（4）傻瓜式安装 直至成功，安装成功后使用，source ~/.bashrc 进行激活，命令行输入 python,看到如下图：

安装Anaconda 成功。

二：确定是否安装CUDA 和 cuDNN(想搞清楚这两个是什么的，可以看这个链接：【https://blog.csdn.net/u014380165/article/details/77340765】

（1） 查看是否装好了CUDA，使用命令：cat /usr/local/cuda/version.txt，结果如下图：

（2）然后查看是否安装好了cuDNN,使用命令：cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

（3）确定这两个存在，才能装 tensorflow-gpu,如果不存在，是要进行安装的，当然是需要管理员权限的。具体安装可以自行搜索。

三：安装tensorflow 

直接使用 pip install tensorflow-gpu 或者 pip install tensorflow-gpu==?(版本号)

这里要注意：安装完 Tensorflow 后运行时侯可能出现：tensorflow.python.framework.errors_impl.InternalError: cudaGetDevice() failed. Status: CUDA driver version is insufficient for CUDA runtime version

意思是CUDA驱动版本和CUDA运行版本冲突，主要是nvidia 驱动版本不对，可以使用 nvidia-smi 进行查看GPU 驱动版本，如下：

则显示该驱动是 384.90，他是个CUDA 9.0版本对应的。

解决方法一：

    可以升级更换驱动等。具体解决可以看网上相关教程：https://www.jianshu.com/p/48016c73eec2

解决方法二:

     使用conda 进行安装低版本的 TF-GPU 这样就可以达到，原来我装的 1.13 但是出了问题换成了 1.10 就完美解决问题，因为TF 在安装时候，封装了 CUDA 和 cuDNN包-版本高的话，和驱动容易冲突，换了低版本就可以了。

四：安装keras

直接使用 pip install keras==?(版本号安装)

五：安装pyTorch

直接使用  python -m pip install --upgrade torch torchvision -i https://pypi.tuna.tsinghua.edu.cn/simple

六：安装caffe 

conda create -n caffe_gpu -c defaults python=2.7 caffe-gpu

前提需要网速可以，全部安装结束，然后 import caffe  发现没报错，不过在运行时候可能报错，目前还没运行caffe 代码，等到有问题持续更新

七：从第三步到第六步均可以使用conda进行安装

这里使用 tf 为例

（1）使用conda，重启conda，进行更新：conda update -n base conda

（2）创建一个框架环境，需要指定 Python版本：conda create -n tf pythoin=3.x （注：这里的3.x 不用精确到3.6.8的第三位，只用写 3.6就行）

（3）激活创建环境：conda activate tf 或 source activate tf

（4）进行conda安装： conda install tensorflow-gpu，然后进行傻瓜安装

（5）使用python命令进入python 编辑环境，进行测试:

成功！

（6） 退出 conda 环境：source deactivate 或者 conda deactivate

（7）这里注意使用anaconda安装的环境，每次使用TF等框架，需要激活 conda activate tf 或者 source activate tf

（8）这里附上conda 安装和 pip 安装的不同：链接：【https://www.jianshu.com/p/5601dab5c9e5】

预祝大家开发顺利！