centos7下安装部署tensorflow GPU 版本

yanchuen

　　系统环境：centos7
　　

　　

　　1. 安装 Python 2.7
　　# yum -y install zlib-devel bzip2-devel openssl-devel ncurses-devel sqlite-devel readline-devel tk-devel gcc gcc-c++ make
　　# download and extract Python 2.7
　　su hdfs
　　cd  ~/Downloads
　　curl -O https://www.python.org/ftp/python/2.7.12/Python-2.7.12.tgz
　　tar -xvf Python-2.7.12.tgz
　　

　　# compile into local PYTHON_ROOT
　　# export PYTHON_ROOT=~/Python
　　export PYTHON_ROOT=~/TensorFlowOnSpark-Work/Python_gpu
　　pushd Python-2.7.12
　　./configure --prefix="${PYTHON_ROOT}" --enable-unicode=ucs4makemake installpopd
　　# install pip
　　pushd "${PYTHON_ROOT}"
　　curl -O https://bootstrap.pypa.io/get-pip.py
　　 bin/python get-pip.py
　　rm -rf get-pip.py
　　

　　# 安装依赖库

　　export PYTHON_ROOT=~/TensorFlowOnSpark-Work/Python_gpu
　　${PYTHON_ROOT}/bin/pip install yarn-api-client
　　${PYTHON_ROOT}/bin/pip install uniout
　　${PYTHON_ROOT}/bin/pip install numpy
　　${PYTHON_ROOT}/bin/pip install pydoop
　　

　　

　　# 打包python_gpu
　　export PYTHON_ROOT=/var/lib/hadoop-hdfs/TensorFlowOnSpark-Work/Python_gpu
　　pushd "${PYTHON_ROOT}"zip -r Python_gpu.zip *
　　

　　

　　
　　2. 在 Python 2.7 中安装tensorflow GPU
　　# 安装显卡驱动和cuda和cudda
　　参考文档
　　http://www.linuxidc.com/Linux/2016-11/137561.htm
　　# 安装nvidia-modprobe
　　yum -y install nvidia-modprobe
　　#查看gpu信息
　　export PATH="$PATH:/usr/local/cuda-8.0/bin"
　　export LD_LIBRARY_PATH="/usr/local/cuda-8.0/lib64"
　　nvidia-smi

　　能看到这个信息说明gpu已经安装配置成功
　　

　　# 安装tensorflow
　　su hdfs
　　export PYTHON_ROOT=~/TensorFlowOnSpark-Work/Python_gpu
　　${PYTHON_ROOT}/bin/pip install tensorflow-gpu
　　# 安装keras
　　export PYTHON_ROOT=~/TensorFlowOnSpark-Work/Python_gpu
　　${PYTHON_ROOT}/bin/pip install keras
　　# 验证一 tensorflow
　　su hdfs
　　export PYTHON_ROOT=~/TensorFlowOnSpark-Work/Python_gpu
　　export PATH="$PATH:/usr/local/cuda-8.0/bin"
　　export LD_LIBRARY_PATH="/usr/local/cuda-8.0/lib64"
　　${PYTHON_ROOT}/bin/python
　　import tensorflow as tf
　　hello = tf.constant('Hello, TensorFlow!')
　　sess = tf.Session()
　　print (sess.run(hello))
　　a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')  
　　b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')  
　　c = tf.matmul(a, b)  
　　sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))  
　　print(sess.run(c))  
　　

　　# 验证二 tensorflow
　　su hdfs
　　cd /var/lib/hadoop-hdfs/Downloads/tensorflow/tensorflow/examples/tutorials/mnist
　　export PYTHON_ROOT=~/TensorFlowOnSpark-Work/Python_gpu
　　export PATH="$PATH:/usr/local/cuda-8.0/bin"
　　export LD_LIBRARY_PATH="/usr/local/cuda-8.0/lib64"
　　${PYTHON_ROOT}/bin/python mnist_deep.py
　　

　　已经可以看到 gpu的进程和负载了
　　


　　
　　CUDA之nvidia-smi命令详解
　　http://blog.csdn.net/bruce_0712/article/details/63683787