Linux环境，部署三大框架之一：tensorflow安装

本文链接：https://blog.youkuaiyun.com/U201017971/article/details/78909306

本文详细介绍如何在64位Linux环境下配置TensorFlow GPU版本所需的环境，并提供了验证配置正确性的方法。此外，还介绍了如何使用TensorFlow进行模型训练的具体步骤。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

tensorflow

参考：https://www.nvidia.com/en-us/data-center/gpu-accelerated-applications/tensorflow/
基础环境需求：

64bit os Linux环境（本人使用centos 7.2 ，Ubuntu环境请参考官网）
python 2.7以上
CUDA8.0以上
cuDNN v6以上

安装nvidia驱动和CUDA toolkits，重启。另有一篇博客介绍这两点，不再赘述。
设置路径

$ export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}} 
$export 
LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64\${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

此时要验证是否把基础环境配好，进入到/usr/local/cuda-8.0/samples目录，make一两个程序，跑一下即可。

3.cuDNN安装。

这是将头文件以及相关动态链接库，copy到cuda的头文件五路，以及lib64目录下即可。

    $ tar -xzvf cudnn-8.0-linux-x64-v5.1.tgz
    $ sudo cp cuda/include/cudnn.h /usr/local/cuda/include
    $ sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
    $ sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*

4 安装tensorflow-gpu。

tensorflow是支持python开发的一个训练框架API，直接使用pip安装即可。
如果是运行 pip install tensorflow，安装的则是cpu版本的。不会使用GPU。

5.安装完成之后，验证是否正确安装了tensorflow环境，可以跑一个helloworld来看看。

如下：$python
在python命令模式下：


    $ import tensorflow as tf
    $ hello = tf.constant('Hello, TensorFlow!')
    $ sess = tf.Session()
    $ print(sess.run(hello))

如果执行成功，则恭喜你，tensorflow已经完成了。

如果出现段错误类似的问题，我当时也被该问题搞了半天，后来参考了stackoverflow上面的其他例子，考虑到可能是python包冲突，切换到python虚拟隔离环境，立马就没问题了。

6.训练模型

Tensorflow通过python和C++ API使用，后端通过C++提供核心功能。
$cd (tensorflow directory)$ git clone -b update-models-1.0 https://github.com/tensorflow/models

Quick demo。

$ cd   (tensorflow directory)/models/tutorials/image/imagenet
$ python classify_image.py

可以测试其他图片集合。

$ python classify_image.py --image_file <path to the JPEG file> 
(e.g. python classify_image.py --image_file /tmp/imagenet/cropped_pand.jpg)

CIFAR-10 benchmark
机器学习的通用benchmark。任务目标是分类RGB32*32的图片，图片共十种类型。

$ cd (tensorflow directory)/models/tutorials/image/cifar10
$ python cifar10_train.py
$ python cifar10_eval.py 对结果的评估。