Tensorflow（二）环境配置

Tensorflow分为两个版本GPU版本和非GPU版本

一 本地配置

Virtualenv安装（可以创建独立python环境）

GPU版环境配置（参考https://blog.csdn.net/u014595019/article/details/53732015）：

安装显卡驱动 》Cuda安装 》 Cudnn安装 》Tensorflow安装

二 云配置

规格统一（配置一次，以后省时间），节省硬件。

Google Cloud，Amazon Cloud都有成品。

Google Cloud配置

创建账号后，在导航菜单栏里面选择computing engine创建自己的vm实例。

在VM实例框中，点击ssh，系统会在浏览器新窗口中连接到虚拟机。

环境配置：

1. 安装python，pip，virtualenv

2. 运行virtualenv命令，创建隔离的python编译环境，以防止版本冲突报错。

virtualenv --system-site-packages -p python3 ./tf_py3

virtualenv --system-site-packages会继承（复制）全局系统变量中的库, 相应的–no-site-packages则不会进行复制，或者用一个或多个--extra-search-dir定制要搜索的文件夹。

3 激活环境

source tf_py3/bin/activate 

4 安装tensorflow, numpy, matplotlib, pandas, jupyter

5 Google Cloud权限设置（导航菜单中的vpc网络）

默认的VM实例只是分配临时的ip，为了以后方便使用，需要将临时的ip转化为静态IP方便访问。

同时需要对防火墙进行设置，默认的VM实例只允许ssh协议，并且不允许remote操作。如果想要远程访问juypter不仅需要对防火墙进行设置，也需要对jupyter策略进行修改。

6 jupyter权限修改

c = get_config() 
c.NotebookApp.ip = '*'   # 允许所有IP
c.Notebook.open_browser = False  # linux端不打开浏览器
c.Notebook.port = 6006 # 端口设置

c.Notebook.allow_remote_access = True # 允许远程访问

7 远程访问jupyter notebook

首先虚拟机开启jupyter

然后本地浏览器输入地址打开，利用token修改密码，以后可以直接通过密码登入。

退出ctrl + c

8 deactive取消virtualenv

Tensorflow-GPU的gpu配置