Centos7.2離線安裝 Tensorflow_gpu環境，搭建Anaconda3和pycharm

在服務器下安裝tensorflow_gpu版，耗時2天，終於搞定！離線安裝需要謹慎選擇版本

1.首先下載必須的安裝包

• cuda_8.0.44_linux.run
• cudnn-8.0-linux-x64-v5.1.tgz
• protobuf-3.2.0-cp35-cp35m-manylinux1_x86_64.whl
• nvidia-diag-driver-local-repo-rhel7-384.66-1.0-1.x86_64.rpm
• tensorflow_gpu-1.1.0-cp35-cp35m-linux_x86_64.whl
• Anaconda3-4.2.0-Linux-x86_64.sh（注意python3.5只有4.2.0版是，不要下錯了）
• pycharm-community-2017.2.4.tar.gz

2.開始安裝

• 首先,查看環境中是否安裝nvidia的驅動：$ nvidia-smi，如下圖爲已安裝；

如果沒有 ，安裝驅動：

$ sudo rpm -i nvidia-diag-driver-local-repo-rhel7-384.66-1.0-1.x86_64.rpm

• 安裝cuda
  $sudo sh cuda_8.0.44_linux.run
• 安裝cudnn
  $tar -zxvf cudnn-8.0-linux-x64-v5.1.tgz

然後將庫和頭文件copy到cuda目錄（一定是你自己安裝的目錄如/usr/local/cuda-8.0）,不過正確安裝的話，ubuntu一般就會有軟鏈接/usr/local/cuda -> /usr/local/cuda-8.0/

$ 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*

• 設置環境變量

$ sudo vim /etc/profile 
在文件末尾添加如下內容 
export PATH=$PATH:/usr/local/cuda-8.0/bin
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64
export CUDA_HOME=/usr/local/cuda

千萬別忘了，要用一下語句使該環境生效：

$ source /etc/profile 

• 安裝Anaconda3

$ bash Anaconda3-4.2.0-Linux-x86_64.sh

安裝成功後需要關閉Terminal，重新打開一個Terminal，Anaconda3環境才能生效。

• 安裝protobuf

  $ pip install protobuf-3.2.0-cp35-cp35m-manylinux1_x86_64.whl

• 安裝tensorflow

$ pip install tensorflow_gpu-1.1.0-cp35-cp35m-linux_x86_64.whl

• 安裝pycharm

$ tar zxvf pycharm-community-2017.2.4.tar.gz
$ cd pycharm-community-2017.2.4/bin

 - 啓動pycharm
$ ./pycharm.sh

設置python解釋器路徑

到此爲止，完成Tensorflow_gpu開發環境搭建，安裝過程中遇到很多坑，爬了好久才上岸，安裝需要root權限，使用的時候也需要root。大家注意系統安全，哈哈。

-測試一下看看是否成功了：

import tensorflow as tf
import numpy as np
x_data = np.float32(np.random.rand(2, 100))
y_data = np.dot([0.100, 0.200], x_data) + 0.300
b = tf.Variable(tf.zeros([1]))
W = tf.Variable(tf.random_uniform([1, 2], -1.0, 1.0))
y = tf.matmul(W, x_data) + b
loss = tf.reduce_mean(tf.square(y - y_data))
optimizer = tf.train.GradientDescentOptimizer(0.5)
train = optimizer.minimize(loss)
init = tf.initialize_all_variables()
sess = tf.Session()
sess.run(init)
for step in xrange(0, 201):
    sess.run(train)
    if step % 20 == 0:
        print （step, sess.run(W), sess.run(b)）

• 結果

結果：
0 [[ 0.04449975 0.05022997]] [ 1.04979897]
20 [[ 0.00405465 0.05206435]] [ 0.43587646]
40 [[ 0.06425215 0.14253049]] [ 0.35196277]
60 [[ 0.08647 0.17783827]] [ 0.31990141]
80 [[ 0.0948422 0.19148116]] [ 0.30762693]
100 [[ 0.09802746 0.19673003]] [ 0.30292371]
120 [[ 0.09924454 0.19874559]] [ 0.30112091]
140 [[ 0.09971047 0.1995189 ]] [ 0.30042976]
160 [[ 0.09988902 0.19981553]] [ 0.30016479]
180 [[ 0.09995744 0.19992925]] [ 0.30006319]
200 [[ 0.09998368 0.19997287]] [ 0.30002424]

大功告成，祝大家安裝順利！！！