linux上部署tensorflow-gup

一、安装tensorflow-gpu 1.9.0

TensorFlow官方帮助文档为Ubuntu 16.04提供五种安装方式，我选择原汁原味的第二种方式：Use pip in your system environment：

安装指令没有太多值得讲究的地方，但如果你按照帮助文档去安装，由于天朝伟大的墙的杰作，网速慢如蜗牛，我保证你花一年时间也装不上。该怎么办呢？可以使用国外代理服务器，也可以使用国内镜像服务器。我试过使用国外代理服务器，效果很差，网速几乎没有任何改善。为此，我采用借助国内镜像服务器的方法。

二、动态选择默认的python版本

ubuntu16.04中默认安装了python 2.7和python 3.5，如何选择并确认当前使用的python版本？
首先使用如下指令确认已同时安装python 2.7和python 3.5：

cd /usr/bin
ls | grep python

执行如下指令对python版本动态配置（注意python 3.5赋予的权重要小一些，否则不一定能从高版本切换至低版本）：
# 如果以前配置了python，则删除之
sudo update-alternatives --remove-all python
# python2赋予权重80
sudo update-alternatives --install /usr/bin/python python /usr/bin/python2 80
# python3赋予权重20
sudo update-alternatives --install /usr/bin/python python /usr/bin/python3 20
# 动态切换当前使用的版本，在出现的界面中根据需要选择1或者2，
# 即可动态选择使用python 2.7还是python 3.5。
sudo update-alternatives --config python
# 查看当前python版本
python -V

三、将pip服务器更换为国内的镜像服务器

修改 ~/.pip/pip.conf (没有就创建一个)：

# 如果不存在此文件夹，则创建之
mkdir ~/.pip
vi ~/.pip/pip.conf

内容如下：

[global]
index-url=http://mirrors.aliyun.com/pypi/simple/
[install]
trusted-host=mirrors.aliyun.com

四、使用python 2.7安装tensorflow-gpu 1.9.0

安装指令如下：

# 如果本机未安装python和pip，则安装之
sudo apt-get install python-pip python-dev
# 更新pip
sudo pip install -U pip
# 安装tensorflow-gpu 1.9.0
sudo pip install tensorflow-gpu==1.9.0

五、使用python 3.5安装tensorflow-gpu 1.9.0

如果将默认的python脚本设置成了python3.5，则安装指令与2.3节相同，若未设置，则安装指令如下：

# 如果本机未安装python和pip，则安装之
sudo apt-get install python3-pip python3-dev
# 更新pip
sudo pip3 install -U pip
# 安装tensorflow-gpu 1.9.0
sudo pip3 install tensorflow-gpu==1.9.0

执行如下命令：

python -c "import tensorflow as tf; print(tf.__version__)"

如果输出结果：

1.9.0

表明安装成功。

六、可能遇到的问题

6.1、使用python 3.5安装出现numpy版本不一致问题

根据我的实践，使用python 3.5安装tensorflow-gpu 1.9.0时不会报错，但使用语句python -c "import tensorflow as tf; print(tf.__version__)"验证tensorflow-gpu 1.9.0是否安装成功时，会出现如下警告信息：

这是因为使用pip安装的numpy版本太高造成，使用如下方法安装低版本numpy可以消除此警告

sudo pip3 uninstall -y numpy
sudo apt-get remove -y python3-numpy
sudo apt-get install python3-numpy

七、查看CPU/GPU的使用情况

基于tensorflow-gpu 1.9.0开发深度学习或深度强化学习程序后，在运行过程中要实时监控机器的CPU/GPU的使用情况。

7.1 CPU使用情况

# 比较简单的监控
top
# 更为详细的监控
# 如果第一次使用，首先安装htop
sudo apt-get install htop
htop

7.2 GPU使用情况

# 单次查看
nvidia-smi
# 实时监控，每秒刷新一次
watch -n 1 nvidia-smi