1.引言
纯小白在深度学习服务器上搭建了一次TensorFlow，搭了大概十天左右。深知TensorFlow版本更新之快，国内的一些教程普遍已经有些滞后。如果有条件，建议大家更多翻墙去谷歌看看TensorFlow的搭建教程，会对自己有很大用处。下面，我们就用TensorFlow最新的版本在深度学习服务器上搭建TensorFlow。PS.笔者所下载时均使用了翻墙软件比如蓝灯，下载速度会非常快，不翻墙的话想要下载非常的麻烦。
2.服务器现有条件（目前配置）
想要安装GPU加速版本的TensorFlow，首先服务器要有GPU。本深度服务器采用的显卡是Nvidia，运行GPU自然需要CUDA和cuDNN支撑。
操作系统：Ubuntu 14.04（目前也有16.04为最新版本）
CUDA版本：8.0
3.相关文件下载
这里我们主要用到cuDNN、Anaconda、TensorFlow的whl文件以及Bazel的文件安装包。由于服务器端网络稳定性不高，在这里，笔者都是将这些安装包下载到本地，然后通过WinSCP（一个传输软件，用法自行百度，很容易）传输到服务器端，以保证安装包的完整性。另外，笔者提醒各位将安装包的上传位置记清楚。
3.1 cuDNN下载
笔者这里所使用的cuDNN的版本为5.1，下载链接为：点击打开链接（需要注册和登录，大家耐心填写吧，毕竟cuDNN还是很关键的）
所下载版本为：cuDNN v5.1 Library for Linux
3.2 Anaconda下载
大多数研究深度学习的人深知深度学习的语言绝大多数还是要使用Python，在这里我们所使用的是Anaconda这个很好用的工具并且Python的版本是2.7
Anaconda下载地址：点击打开链接
此链接中，我们所选择的是Linux系统下的4.3.0，并且是64-bit的Python2.7版本
3.3 TensorFlow 的.whl文件下载
截止今日，笔者所见到的TensorFlow支持GPU版本、Python2.7、CUDA 8.0 以及cuDNN 5. 以上的版本为1.0,（如果有最新版本请尽量使用= =，笔者因为用旧版本不得不翻墙求救才解决-。-）
GPU版本1.0.0 TensorFlow链接如下：点击打开链接
3.4 Bazel 安装包下载
bazel是一种编译指令，需要下载安装包，具体用途后期会有所介绍。
下载路径：点击打开链接 bazel-0.4.4-installer-Linux-x86_64.sh
4. 基于Anaconda的安装
4.1 建立一个conda计算环境（Python 2.7）
安装好Anaconda： bash 指令安装Anaconda。随后在terminal中输入以下指令，创建一个conda的TensorFlow Python2.7环境
安装pip指令
安装TensorFlow
sudo pip install --upgrade TensorFlow所处的位置
激活TensorFlow环境
这个证明TensorFlow已被激活，可以通过 source deactivate 切换出TensorFlow的环境
5. 安装cuDNN
进入服务器cuDNN上传路径，解压文件并进行一系列如下的复制操作
6. 其他依赖安装
6.1 配置CUDA以及cuDNN路径
打开.bash_profile改变环境
添加如下语句：
笔者提醒大家千万别忘了，要用一下语句使该环境生效：
6.2 安装Bazel
6.2.1 安装JDK 8
对于Ubuntu 14.04 操作系统，安装JDK8进行一下一系列操作
其中 PATH_TO_INSTALL.SH为下载的bazel路径的具体目录，至此Bazel指令安装完成
7. 基于源码的TensorFlow安装（GPU加速）
输入以下指令进行TensorFlow的源码下载，默认下载到home中的TensorFlow文件夹中（因为各种原因，很少会一次下载成功，需要有足够耐心，笔者下了大约10次，网速吃紧，各种原因）
7.1 配置TensorFlow（一个大坑）
按照以往的教程，输入以下指令
按照国内各大教程，往往最重要的一步是出现 Do you wish TensorFlow with GPU support？事实上，笔者已发现，在最近更新的TensorFlow版本已经将这句话变为 Do you wish TensorFlow with CUDA support？ 因为笔者是小白，对此不了解，栽了一大跟头，希望各位小白也注意哈~到这个问句时记得填Y，其他的都可以填N。但是，CUDA版本和cuDNN版本要清楚标记出，否则后面会报错，很麻烦，笔者深受其害！！其中CUDA 版本填写8.0 cuDNN版本为5.1
7.2创建PIP
8. 测试Tensorflow
笔者提醒大家，因为笔者基于Anaconda使用的TensorFlow GPU加速，所以一定记得激活TensorFlow环境：source activate TensorFlow，后续的测试程序各大教程均适用
9.结束语
TensorFlow可以说是深度学习里面的一个热门框架，很多学习深度学习的研究者都喜欢使用TensorFlow。但是令笔者感到遗憾的是，国内搜索引擎里的各大TensorFlow的教程都有些过时，还是因为TensorFlow更新之快，也希望这篇博客对你有帮助。
京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有 