笔记本TF环境构建与台式机非常类似,主要是安装CUDA的方式不一样,并且笔记本安装CUDA比较麻烦,经过多次测试找到了一种比较简单有效的方法。基本环境:ubuntu16-64bit,CUDA8,cuDNN5.1,python2.7,TF0.11(已经支持cuDNNv5了)
1. 安装CUDA8
目标系统是Ubuntu16-64bit,经过多次尝试,只有deb安装方式可行,其他的方式没有成功过。注意:最好是新系统安装,如果以前安装过NIVIDA笔记本显卡的驱动就要先卸载,安装CUDA时会自动安装相应的驱动,更方便可靠。首先是下载相应的deb文件,然后是参考安装手册安装deb文件:
第一步命令补全自己下载的deb文件名称,第三步添加路径时可以在home文件夹隐藏文件.bashrc中添加下列语句(“Ctrl+H可以显示隐藏文件”),直接修改即可,需要在文件最后添加的语句:(添加后重启一下)
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}}
之后就是按照第4步编译一个例子,看能不能运行,如果可以,表示CUDA的环境安装好了。
2. 安装cuDNN
下载cuDNN5.1
,安装方法如下(这个是把一些文件复制到指定位置即可):
tar xvzf cudnn-8.0-linux-x64-v5-prod.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*
3. 安装pip和TF
TF安装很简单,按照参考官网:
sudo apt-get install python-pip python-dev
export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-0.11.0rc1-cp27-none-linux_x86_64.whl
sudo pip install --upgrade $TF_BINARY_URL
(中间需要下载一些东西,可能比较慢,如果最后一步出现错误,重启一下电脑再重新执行3.)
4. 测试TF
进入Python测试:(显示一些输入输出,能运行即表示TF安装成功了
)
$ python
...
>>> import tensorflow as tf
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess = tf.Session()
>>> print(sess.run(hello))
Hello, TensorFlow!
>>> a = tf.constant(10)
>>> b = tf.constant(32)
>>> print(sess.run(a + b))
42
>>>