建议先安装Anaconda
一。CPU版本安装
1.安装编译好的release版本
1)使用pip安装即可,或者conda
2.编译安装
1)安装gcc(4.8~5.4)
2)安装bazel(v0.43)
3)下载Tensorflow 1.0.0-rc0的源码 wget https://github.com/tensorflow/archive/v1.0.0-rc0.tar.gz 解压 tar -xzvf v1.0.0-rc0.tar.gz
4)cd tensorflow-1.0.0-rc0 ./configure
5)接下来的输出要选择python路径,确保是ananconda的python路径即可
6)选择CPU编译优化选项,默认的-march=native将选择本地CPU能支持的最佳配置,比如SSE4.2,AVX等,建议选择默认
7)选择是否使用jemalloc作为默认的malloc实现(仅限Linux),建议选择默认
8)选择是否开启对Google Could Platform的支持,通常选N
9)是否需要支持Hadoop File System
10)选择是否开启XLA JIT编译编译功能支持。选N
11)选择python路径,依然选anaconda
12)选择不需要GPU,即OpenCL和CUDA都选择N,之后可能需要下载一些依赖库,完成后configure就顺利完成了
13)编译 bazel build --copt=-march=native -c opt //tensorflow/tools/pip_package:build_pip_package
14)编译结束后,使用下面命令生成pip安装包:bazel-bin/tensorflow/tools/pip_package/build_pip_package /tmp/tensorflow_pkg
15)最后使用pip命令安装Tensorflow: pip install /tmp/tensorflow-1.0.0rc0-cp35-cp35m-linux_x86_64.whl
二。GPU安装
1.release版本安装
1)CUDA是NVIDA推出的使用GPU资源进行通用计算的SDK,CUDA的安装包里一般集成了显卡驱动,我们直接去官网下载NVIDA CUDA(https://developer.nvidia.com/cuda-toolkit)
2)暂停当前NVIDA驱动的X server,如果是远程连接的LInux机器,可以使用:sudo init 3 命令关闭X server
3)将CUDA安装包权限设置成可执行,并且安装程序: chmod u+x cuda_8.0.44_linux.run
sudo ./cuda_8.0.44_linux.run
4)按q跳过开头license说明,然后按y选择安装驱动程序
5)按y选择CUDA安装路径,一般使用默认地址
6)按n不选择安装CUDA samples,等待安装完成
7)安装cuDNN,https://developer.nvidia.com/rdp/cudnn-download 下载cuDNN(需注册账号并等待审核)
8)解压 cd /usr/local sudo tar -xzvf ~/downloads/cudnn-8.0-linux-x64-v5.1.tgz 这样就完成安装cuDNN
9)在系统环境里设置CUDA的路径:代码可见http://blog.csdn.net/dzdjt3104/article/details/70256581
10)直接安装预编译版本代码可见:http://blog.csdn.net/dzdjt3104/article/details/70256581
2.编译安装
10)接上,和之前CPU一样,到是否支持CUDA这一步时按y
11)指定gcc编译器,默认
12)选择CUDA版本,CUDA安装路径,cuDNN版本,cuDNN安装路径,代码见tensorflow实战
13)选择GPU的compute capability(CUDA的计算兼容性),比如,CTX 1080和Titan X 是6.1 而GTX 980 和旧版的GTX Titan X 是5.2
14)配置完成,等待下载其他代码仓库,耐心等待
15)编译,与CPU版本多了一个--config=cuda
16)执行命令生成pip安装包,并进行pip安装