上QQ阅读APP看本书，新人免费读10天
设备和账号都新为新人
2.5 装载TensorFlow
TensorFlow的安装比较简单，官网上提供了详细的说明，具体内容请参阅TensorFlow的网上链接。
需要提醒的是，建议使用Virtualenv来安装TensorFlow，安装完TensorFlow和GPU （图形加速器）支持后，需要验证。
由于某些用户在安装TensorFlow GPU支持时会遇到问题，因此接下来将介绍如何安装GPU支持。
首先，开发者要在Developer Nvidia Website上注册。
然后，按照此链接安装GPU。
接着，还需要安装CUDA Toolkit 9.0, tensorflow.org中的链接始终指向最新的CUDA版本，现在是9.2版本。但是不要使用9.2版本，除非TensorFlow支持它。请使用上面链接的CUDA 9.0版本。
同样，请下载并安装cuDNN v7.1.4 for CUDA 9.0, tensorflow.org中的链接指向的最新版cuDNN是CUDA 9.2的v7.1.4版本。安装并运行如下命令：
$ nvcc -V nvcc: NVIDIA （R） Cuda compiler driver Copyright （c） 2005-2017 NVIDIA Corporation Built on Fri_Sep__1_21:08:03_CDT_2017 Cuda compilation tools, release 9.0, V9.0.176
接着，运行命令“$ nvidia-smi”，得到如下结果：
Fri Jun 15 22:21:08 2018 +---------------------------------------------------------------------+ | NVIDIA-SMI 384.130 Driver Version: 384.130 | |----------------------------+------------------+----------------------+ | GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC | | Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. | |============================+====================+====================| | 0 Quadro K600 Off | 00000000:05:00.0 Off | N/A | | 25% 48C P0 N/A / N/A | 0MiB / 979MiB | 0% Default | +----------------------------+--------------------+--------------------+ +----------------------------------------------------------------------+ | Processes: GPU Memory | | GPU PID Type Process name Usage | |======================================================================| | No running processes found | +---------------------------------------------------------------------+
此外，还要在CUDA示例代码中运行deviceQuery，以确保GPU正常工作。
Device 0: "Quadro 600" CUDA Driver Version / Runtime Version 9.0 / 9.0 CUDA Capability Major/Minor version number: 2.1 Total amount of global memory: 962 MBytes （1009254400 bytes）
执行结果如下：
Quadro M6000
如果你看到类似的结果，说明你的显卡可以支持TensorFlow。
然后，我们执行下面的命令：
$ ./bin/x86_64/linux/release/deviceQuery
执行结果会显示显卡的版本号和各种性能数据：
./bin/x86_64/linux/release/deviceQuery Starting...
CUDA Device Query （Runtime API） version （CUDART static linking）
Detected 1 CUDA Capable device（s）
Device 0: "Quadro M6000 24GB"
CUDA Driver Version / Runtime Version 9.0 / 9.0
CUDA Capability Major/Minor version number: 5.2
Total amount of global memory: 24467 MBytes （25655836672 bytes）
（24） Multiprocessors, （128） CUDA Cores/MP: 3072 CUDA Cores
GPU Max Clock rate: 1114 MHz （1.11 GHz）
Memory Clock rate: 3305 Mhz
Memory Bus Width: 384-bit
L2 Cache Size: 3145728 bytes
Maximum Texture Dimension Size （x, y, z） 1D=（65536）, 2D=（65536, 65536）, 3D=（4096, 4096, 4096）
Maximum Layered 1D Texture Size, （num） layers 1D=（16384）, 2048 layers
Maximum Layered 2D Texture Size, （num） layers 2D=（16384, 16384）, 2048 layers
Total amount of constant memory: 65536 bytes
Total amount of shared memory per block: 49152 bytes
Total number of registers available per block: 65536
Warp size: 32
Maximum number of threads per multiprocessor: 2048
Maximum number of threads per block: 1024
Max dimension size of a thread block （x, y, z）: （1024, 1024, 64）
Max dimension size of a grid size （x, y, z）: （2147483647, 65535, 65535）
Maximum memory pitch: 2147483647 bytes
Texture alignment: 512 bytes
Concurrent copy and kernel execution: Yes with 2 copy engine（s）
Run time limit on kernels: Yes
Integrated GPU sharing Host Memory: No
Support host page-locked memory mapping: Yes
Alignment requirement for Surfaces: Yes
Device has ECC support: Disabled
Device supports Unified Addressing （UVA）: Yes
Supports Cooperative Kernel Launch: No
Supports MultiDevice Co-op Kernel Launch: No
Device PCI Domain ID / Bus ID / location ID: 0 / 4 / 0
Compute Mode:
< Default （multiple host threads can use ::cudaSetDevice（） with device simultaneously） >
deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 9.0, CUDA Runtime Version = 9.0, NumDevs = 1
Result = PASS
$ nvidia-smi
+---------------------------------------------------------------------+
| NVIDIA-SMI 384.130 Driver Version: 384.130 |
|-----------------------------+--------------------+-------------------+
| GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
|=============================+===================+====================|
| 0 Quadro M6000 24GB Off | 00000000:04:00.0 On | Off |
| 25% 41C P8 20W / 250W | 488MiB / 24467MiB | 0% Default |
+----------------------------+---------------------+-------------------+
+----------------------------------------------------------------------+
| Processes: GPU Memory |
| GPU PID Type Process name Usage |
|=====================================================================|
| 0 2183 G /usr/lib/xorg/Xorg 319MiB |
| 0 3796 G compiz 92MiB |
| 0 6095 G ...-token=32ADD0D4261B4355966B2810A61BBF37 72MiB |
+---------------------------------------------------------------------+
最后，还要安装TensorFlow GPU：
（tensorflow）$ pip install --upgrade tensorflow # for Python 2.7 （tensorflow）$ pip3 install --upgrade tensorflow # for Python 3.n （tensorflow）$ pip install --upgrade tensorflow-gpu # for Python 2.7 and GPU （tensorflow）$ pip3 install --upgrade tensorflow-gpu # for Python 3.n and GPU
安装成功之后，可以用下面的命令确认：
（tensorflow） $ python Python 2.7.12 （default, Dec 4 2017, 14:50:18） ［GCC 5.4.0 20160609］ on linux2 Type "help", "copyright", "credits" or "license" for more information. >>> import tensorflow as tf >>> hello = tf.constant（"hello"） >>> sess = tf.Session（） ＊＊2018-06-20 06:54:34.284161: I tensorflow/core/platform/cpu_feature_guard.cc:140］ Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2 FMA＊＊ ＊＊2018-06-20 06:54:34.460555: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1356］ Found device 0 with properties: ＊＊ ＊＊name: Quadro M6000 24GB major: 5 minor: 2 memoryClockRate（GHz）: 1.114＊＊ ＊＊pciBusID: 0000:04:00.0＊＊ ＊＊totalMemory: 23.89GiB freeMemory: 23.29GiB＊＊ ＊＊2017-05-20 06:54:34.460600: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1435］ Adding visible gpu devices: 0＊＊ ＊＊2017-05-20 06:54:34.708584: I tensorflow/core/common_runtime/gpu/gpu_device.cc:923］ Device interconnect StreamExecutor with strength 1 edge matrix:＊＊ ＊＊2017-05-20 06:54:34.708635: I tensorflow/core/common_runtime/gpu/gpu_device.cc:929］ 0 ＊＊ ＊＊2017-05-20 06:54:34.708644: I tensorflow/core/common_runtime/gpu/gpu_device.cc:942］ 0: N ＊＊ ＊＊2017-05-20 06:54:34.709069: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1053］ Created TensorFlow device （/job:localhost/replica:0/task:0/device:GPU:0 with 22598 MB memory） -> physical GPU （device: 0, name＊＊: Quadro M6000 24GB, pci bus id: 0000:04:00.0, compute capability: 5.2）＊＊ >>> print（sess.run（hello）） hello
上面的代码明确地显示，开发者正在使用GPU！如果看不到这段代码，说明开发者并没有成功安装GPU，而是在使用CPU。