介绍Google的TensorFlow机器学习开源库，在UbuntuKylin上的安装和和源码编译。
原始官方文档参见：http://www.tensorflow.org.
本电脑配置如下：
3.19.0-15-generic
NVIDIA Corporation GK110BGL [Tesla K40c]
NVIDIA Corporation GK110GL [Quadro K5200]
Python 2.7
Cuda toolkit = 7.5
cuDNN = 7.5 v5
gcc = 4.9
g++ = 4.9
Bazel = 0.4.4
TensorFlow学习资源推荐
tensorflow中文入门教程-含视频
tensorflow入门视频教程-含互动
tensorflow中文社区
TensorFlow 官方文档中文版
TensorFlow在图像识别中的应用
本文是在安装caffe之后，继续安装TensorFlow，下面有些CUDA和 CUDNN的安装可见 Caffe + Ubuntu 15.04 + CUDA 7.5 在服务器上安装配置及卸载重新安装（已测试可执行）
安装TensorFlow的Requirements
Python 2.7 and Python 3.3+ Cuda toolkit >=
7.0 cuDNN >= v3 gcc > 4.8 g++ > 4.8 Bazel > 0.4.2
一、安装依赖包
1. 安装TensorflowPython API
sudo apt
-get install python
-pip python
-dev
sudo apt
-get install python
-numpy swig python
-dev
sudo apt
-get install Git
2. 安装 Bazel
TensorFlow Serving requires Bazel 0.4.2 or higher，Bazel的安装可见官网。
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
OpenJDK做为GPL许可（GPL-licensed）的Java平台的开源化实现，Sun正式发布它已经六年有余。从发布那一时刻起，Java社区的大众们就又开始努力学习，以适应这个新的开源
代码基础（code-base）。 [
1]
OpenJDK在
2013年发展迅速，被著名IT杂志SD
Times评选为
2013 SD
Times 100，位于“极大影响力”
分类第
9位。
http://www.infoq.com/cn/news/
2015/
03/google-open-source-bazel
Google日前开源了他们内部使用的构建工具Bazel。
Bazel是一个类似于Make的工具，是Google为其内部软件开发的特点量身定制的工具，如今Google使用它来构建内部大多数的软件。它的
功能有诸多亮点：
多语言
支持：目前Bazel默认
支持Java、Objective-
C和
C++，但可以被扩展到其他任何变成语言。
高级构建描述语言：项目是使用一种叫BUILD的语言来描述的，它是一种简洁的文本语言，它把一个项目视为一个集合，这个集合由一些互相关联的库、二进制
文件和测试用例组成。相反，像Make这样的工具，需要去描述每个
文件如何
调用编译器。
多平台
支持：同一套工具和相同的BUILD
文件可以用来为不同的体系结构构建软件，甚至是不同的平台。在Google，Bazel被同时用在数据中心系统中的服务器应用和手机端的移动应用上。
可重复性：在BUILD
文件中，每个库、测试用例和二进制
文件都需要明确指定它们的依赖关系。当一个源码
文件被
修改时，Bazel凭这些依赖来判断哪些部分需要重新构建，以及哪些任务可以并行进行。这意味着所有构建都是增量的，并且相同构建总是产生一样的结果。
可伸缩性：Bazel可以处理大型项目；在Google，一个服务器软件有十万行
代码是很常见的，在什么都不改的前提下重新构建这样一个项目，大概只需要
200毫秒。
JDK8的安装（必须的）
sudo apt-@H_578_
301@get install openjdk-
8-jdk openjdk-
8-source
sudo apt-@H_578_
301@get install pkg-config zip g++ zlib1g-dev unzip
sudo @H_578_
301@add-apt-repository ppa:webupd8team/java
sudo apt-@H_578_
301@get update
sudo apt-@H_578_
301@get install oracle-java8-installer
java -@H_578_
301@version
2.1 安装 Bazel-方法1
echo “deb http://storage
.googleapis.com/bazel-apt stable jdk1
.8” | sudo tee /etc/apt/sources
.list.d/bazel
.list
curl https://storage
.googleapis.com/bazel-apt/doc/apt-key
.pub.gpg | sudo apt-key
add -
sudo apt-get update
sudo apt-get install bazel
sudo apt-get upgrade bazel
bazel version
2.2 安装 Bazel-方法2
Bazel 下载链接
cd ~/Downloads
chmod +@H_578_
301@x bazel-
0.4.5-installer-linux-x86_64
.sh #对.sh文件授权
./bazel-
0.4.5-installer-linux-x86_64
.sh --user
#运行.sh文件
bazel version
设置环境变量
export PATH=
"$PATH:$HOME/bin"
可能出现的问题
W: 无法下载
http://storage.googleapis.com/bazel-apt/dists/stable/InRelease Unable @H_578_
301@to find expected entry ‘jdk1
.8/binary-i386/Packages’
in Release @H_578_
301@file (Wrong sources.list entry
or malformed @H_578_
301@file)
E: Some index @H_578_
301@files
Failed @H_578_
301@to download. They have been ignored,
or old ones used instead.
的
错误
解决方法
sudo gedit /etc/apt/sources
.list.d/bazel
.list
将deb http://storage
.googleapis.com/bazel-apt stable jdk1
.8修改为deb [arch=amd64] http://storage
.googleapis.com/bazel-apt stable jdk1
.8
3. CUDA和 CUDNN的安装，在Linux 上开启 GPU 支持
为了编译并运行能够使用 GPU 的 TensorFlow,需要先安装 NVIDIA 提供的 Cuda Toolkit 7.5 和 CUDNN 7.5 V5
TensorFlow 的 GPU 特性只支持 NVidia Compute Capability >= 3.5 的显卡. 被支持的显卡 包括但不限于
NVidia Titan
NVidia Titan X
NVidia K20
NVidia K40
可见 Caffe + Ubuntu 15.04 + CUDA 7.5 在服务器上安装配置及卸载重新安装（已测试可执行）
二、Ubuntu/linux直接安装
# 仅使用 cpu 的版本
$ pip install https://storage
.googleapis.com/tensorflow/linux/
cpu/tensorflow-
1.0.1-cp27-none-linux_x86_64
.whl
# 开启 GPU 支持的版本 (安装该版本的前提是已经安装了 CUDA sdk)
$ pip install https://storage
.googleapis.com/tensorflow/linux/gpu/tensorflow-
1.0.1-cp27-none-linux_x86_64
.whl
三、源码编译
TensorFlow 源码安装官方教程
3.1 克隆 TensorFlow 仓库
git
clone --recurse-submodules https:
–recurse-submodules 参数是必须得,用于获取 TesorFlow 依赖的 protobuf 库
3.2 配置 TensorFlow 的 Cuba 选项
@H_578_
301@cd tensorflow
./configure
执行configure的时候会问你问题
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
Please specify the location
of python. [
Default is /usr/bin/python]
Please specify optimization
flags to use during compilation [
Default is -march=native]
Do you wish
to use jemalloc
as the malloc
implementation? [Y/N]
y
Do you wish
to build TensorFlow
with Google Cloud
Platform support? [Y/N]
y
Do you wish
to build TensorFlow
with Hadoop File System support? [Y/N]
y
Do you wish
to build TensorFlow
with the XLA just-
in-time compiler (experimental)? [Y/N]
y
Do you wish
to build TensorFlow
with OpenCL support? [Y/N]
n
Do you wish
to build TensorFlow
with CUDA support? [Y/N]
y
若 Do you wish to build TensorFlow with OpenCL support? [Y/N] 中选择y，则需要安装 OpenCL drivers 和 ComputeCpp compiler，具体步骤可参考
Optional: Install OpenCL (Experimental,Linux only)
tensorflow-opencl
否则，会出现如下一直循环的情况。
3.3 编译
mkdir /tmp/tensorflow_pkg
3.3.1 仅 cpu 支持，无 GPU 支持
cd tensorflow
bazel build
-c opt
出现的问题
The
'build' command
is only supported
from within a workspace
解决方法
@H_578_
301@cd tensorflow
3.3.2 有 GPU 支持
cd tensorflow
bazel build
-c opt
--config
=cuda
3.3.3 生成 pip安装包
bazel
-bin/tensorflow/tools/pip_package/build_pip_package /tmp/tensorflow_pkg
cd 到 /tmp/tensorflow_pkg目录下，找到编译好的whl文件
cd /tmp/tensorflow_pkg
sudo pip install
--config
=cuda tensorflow
-1.0.1-cp27-none-linux_x86_64@H_578_
301@.whl
3.3.4 编译目标程序,开启 GPU 支持
bazel build
-c opt
--config
=cuda
bazel
-bin/tensorflow/cc/tutorials_example_trainer
--use_gpu
四、设置TensorFlow环境
@H_578_
301@cd tensorflow
bazel build -c opt //tensorflow/tools/pip_package:build_pip_package
bazel build -c opt --config=cuda //tensorflow/tools/pip_package:build_pip_package
mkdir _python_build
@H_578_
301@cd _python_build
ln
-s ../bazel-bin/tensorflow/tools/pip_package/build_pip_package.runfiles/org_tensorflow/* .
ln
-s ../tensorflow/tools/pip_package/* .
@H_578_
301@sudo python setup.py develop
五、测试TensorFlow
import tensorflow
as tf
hello = tf.constant(
'Hello,TensorFlow!')
sess = tf.Session()
print(sess.run(hello))
Hello,TensorFlow!
a = tf.@H_578_
301@constant(
10)
b = tf.@H_578_
301@constant(
32)
print(sess.run(
a+b))
42
用tensorflow实现梵高作画
1. neural-style下载在这个[github网站下载相应代码]
2. 下载vgg19
3. 将imagenet-vgg-verydeep-19.mat复制到neural-style的文件夹根目录下
cp
-r imagenet
-vgg-verydeep-19.mat /home/bids/neural
-style-master/
4. 执行梵高作画
python neural_style.py –content ./example/xxx.jpg (此括号内不要复制：xxx代表你想要使用的图片名称) –styles ./example/ 1-style.jpg(此括号内不要复制：1-style.jpg是梵高星空图片在文件夹内名称) –output ./example/yyy.jpg (yyy代表你想要生成的图片名称)
cd neural
-style-master
python neural_style@H_578_
301@.py –content @H_578_
301@./example/
1-content@H_578_
301@.jpg
--styles @H_578_
301@./example/
1-style@H_578_
301@.jpg
--output @H_578_
301@./example/
1-output@H_578_
301@.jpg
六、出现的问题
gcc 版本 -fno-canonical-system-headers
当执行
./configure
出现如下问题
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
INFO: Found
1 target...
Slow @H_578_
301@read:
a 51765952-
byte @H_578_
301@read @H_578_
301@from /home/bids/.cache/bazel/
_bazel_bids/
5df0e0fb624204ab1c5ce0472e695b94/external/local_config_cuda/cuda/lib/libcurand.so
.7.5 took
9675ms.
INFO: From Compiling external/llvm/lib/Support/Host.cpp:
external/llvm/lib/Support/Host.cpp: In
function 'llvm::StringRef llvm::sys::getHostcpuName()':
external/llvm/lib/Support/Host.cpp:
898:
5: warning:
'Type' may be used uninitialized
in this
function [-Wuninitialized]
external/llvm/lib/Support/Host.cpp:
964:
7: warning:
'Subtype' may be used uninitialized
in this
function [-Wmaybe-uninitialized]
ERROR: /home/bids/.cache/bazel/
_bazel_bids/
5df0e0fb624204ab1c5ce0472e695b94/external/llvm/BUILD:
1667:
1: C++ compilation
of rule
'@llvm//:support' Failed: gcc
Failed: error executing
command /usr/bin/gcc -U_FORTIFY_SOURCE -fstack-protector -Wall -B/usr/bin -B/usr/bin -Wunused-but-set-parameter -Wno-free-nonheap-object -fno-omit-frame-pointer -g0 -O2 '-D_FORTIFY_SOURCE=1' -DNDEBUG ... (remaining 43 argument(s) skipped): com.google.devtools.build.lib.shell.BadExitStatusException: Process exited with status 1.
In @H_578_
301@file included @H_578_
301@from external/llvm/lib/Support/DynamicLibrary.cpp:
16:
0:
external/llvm/@H_578_
301@include/llvm/ADT/DenseSet.h:
226:
16: error:
'using llvm::DenseSet<ValueT,ValueInfoT>::BaseT::BaseT' conflicts
with a prev
IoUs declaration
external/llvm/@H_578_
301@include/llvm/ADT/DenseSet.h:
223:
39: note: prev
IoUs declaration
'using BaseT = class llvm::detail::DenseSetImpl<ValueT,llvm::DenseMap<ValueT,llvm::detail::DenseSetEmpty,ValueInfoT,llvm::detail::DenseSetPair<ValueT> >,ValueInfoT>'
external/llvm/@H_578_
301@include/llvm/ADT/DenseSet.h:
244:
16: error:
'using llvm::SmallDenseSet<ValueT,InlineBuckets,ValueInfoT>::BaseT::BaseT' conflicts
with a prev
IoUs declaration
external/llvm/@H_578_
301@include/llvm/ADT/DenseSet.h:
241:
18: note: prev
IoUs declaration
'using BaseT = class llvm::detail::DenseSetImpl<ValueT,llvm::SmallDenseMap<ValueT,ValueInfoT>'
Target
Use
INFO: Elapsed @H_578_
301@time:
54.671s,Critical Path:
28.01s
bids@bids-HP-Z840-Workstation:~/tensorflow$ bazel build -c opt
WARNING: /home/bids/tensorflow/tensorflow/contrib/learn/BUILD:
15:
1:
in py_library rule
WARNING: /home/bids/tensorflow/tensorflow/contrib/learn/BUILD:
15:
1:
in py_library rule
INFO: Found
1 target...
ERROR: /home/bids/.cache/bazel/
_bazel_bids/
5df0e0fb624204ab1c5ce0472e695b94/external/zlib_archive/BUILD.bazel:
5:
1: C++ compilation
of rule
'@zlib_archive//:zlib' Failed: crosstool_wrapper_driver_is_not_gcc
Failed: error executing
command external/local_config_cuda/crosstool/clang/bin/crosstool_wrapper_driver_is_not_gcc -U_FORTIFY_SOURCE '-D_FORTIFY_SOURCE=1' -fstack-protector -fPIE -Wall -Wunused-but-set-parameter ... (remaining 37 argument(s) skipped): com.google.devtools.build.lib.shell.BadExitStatusException: Process exited with status 1.
gcc: error: unrecognized
command line option '-fno-canonical-system-headers'
Target
Use
INFO: Elapsed @H_578_
301@time:
4.726s,Critical Path:
1.88s
解决方法：
这是因为gcc 版本的问题。因之前安装caffe 所需的gcc版本为4.7，故升级到4.9版本即可。可参考
Porting to GCC 4.7
Caffe + Ubuntu 15.04 + CUDA 7.5 在服务器上安装配置及卸载重新安装（已测试可执行）
@H_578_
301@cd /usr/bin
@H_578_
301@sudo rm gcc
@H_578_
301@sudo ln
-s gcc-
4.9 gcc
@H_578_
301@sudo rm g++
@H_578_
301@sudo ln
-s g++-
4.9 g++
问题 Oracle JDK 8 is not installed
当执行如下
sudo apt
-get install openjdk
-8-jdk openjdk
-8-source
出现如下错误
download
Failed
Oracle JDK
8 is NOT installed.
dpkg:
error processing package oracle-java8-installer (--configure):
subprocess installed post-installation script returned
error exit status
1
Errors were encountered
while processing:
oracle-java8-installer
E:
Sub-process /usr/bin/dpkg returned an
error code (
1)
解决方法： 这是因为oracle-java8-installer 不能下载或者下载不完整导致的。
手动下载，见链接。
cp
-r jdk
-8u121
-linux-x64@H_578_
301@.tar@H_578_
301@.gz /@H_578_
301@var/
cache/oracle
-jdk8-installer/
sudo apt
-get install oracle
-jdk8-installer
问题 TensorFlow ImportError: cannot import name pywrap_tensorflow
当执行如下
cd tensorflow
import tensorflow as tf
出现如下错误
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
Traceback (most recent
call last): File "<stdin>",line 1,in <module> File "tensorflow/__init__.py",line 23,in <module> from tensorflow.Python import * File "tensorflow/python/__init__.py",line 48,in <module> from tensorflow.python import pywrap_tensorflow ImportError: cannot import name pywrap_tensorflow
解决方法： 这是因为python误以为tensorflow目录中的tensorflow就是要导入的模块
不要在tensorflow中运行python或者ipython
更改keras的backend 设置 tensorflow,theano
sudo gedit ~/
.keras/keras
.json
Theano为后端
{
"
image_dim_ordering":
"th","
epsilon":
1e-07,"
floatx":
"float32","
backend":
"theano" }
Tensorflow为后端
{
"
image_dim_ordering":
"tf","
backend":
"tensorflow" }
参考文献：
TensorFlow源码编译－基于Ubuntu 15.04
TensorFlow 研究实践 一
Ubuntu安装Bazel
官网教程 Installing Bazel
搭建Tensorflow虚拟机学习环境
TensorFlow的安装
TensorFlow 从入门到精通（一）：安装和使用
ubuntu16.04下安装TensorFlow(GPU加速)—-详细图文教程
Ubuntu: Oracle JDK 8 is NOT installed
教你从头到尾利用DL学梵高作画：GTX 1070 cuda 8.0 tensorflow gpu版
