설치 환경: Ubuntu 14.04.3 64bit / Nvidia GTX 760 / Cuda 7.0

참고: http://www.tensorflow.org/get_started/os_setup.md#installing_from_sources/

작성자: Younggun Cho(yg.b.cho@gmail.com) / YoungSik Shin(bluevow@gmail.com)

대게 terminal에서 명령을 수행했을때 permission과 같은 error message가 뜨면 명령을 sudo 권한으로 (명령어 맨 앞에 sudo 를 붙여서) 실행하시길 권장합니다.
Bazel과 Tensorflow의 Root directory는 각각 git clone으로 생성된 , 폴더를 의미합니다.

Installation from source

Install CUDA & CUDNN

1. Download and install Cuda Toolkit 7.0 (이미 Cuda를 설치했으면 이 step은 pass) In order to build or run TensorFlow with GPU support, both Cuda Toolkit 7.0 and CUDNN 6.5 V2 from NVIDIA need to be installed. Follow instruction of

   https://developer.nvidia.com/cuda-toolkit-70

   Install the toolkit into e.g. /usr/local/cuda

2. Download and install CUDNN Toolkit 6.5 우선 Cuda와 달리 Cudnn은 nvidia-developer에 가입 후 승인을 받아야 다운로드가 가능하다. Uncompress and copy the cudnn files into the toolkit directory. Assuming the toolkit is installed in /usr/local/cuda

   $ tar xvzf cudnn-6.5-linux-x64-v2.tgz
   $ sudo cp cudnn-6.5-linux-x64-v2/cudnn.h /usr/local/cuda/include
   $ sudo cp cudnn-6.5-linux-x64-v2/libcudnn* /usr/local/cuda/lib6

Bazel 설치

Tensorflow는 cmake가 아닌 Bazel로 컴파일하기 때문에 우선 Bazel을 설치해야 한다.

1. Install JDK8 (이미 Java 8을 설치한 경우에는 Pass)

   $ sudo add-apt-repository ppa:webupd8team/java
   $ sudo apt-get update
   $ sudo apt-get install oracle-java8-installer

2. Install Bazel

   $ git clone https://github.com/bazelbuild/bazel.git
   $ cd bazel
   $ git checkout tags/0.1.0
   $ ./compile.sh

3. Install other dependencies

   $ sudo apt-get install python-numpy swig python-dev
   

Download and Install Tensorflow

새로운 Command창에서 아래의 명령들을 수행한다. (Java 8 및 Bazel을 설치하였기 때문에 설치 후 새로운 Command에서 수행해야함)

1. Set environment 새로운 Command창에서 아래의 명령들을 수행한다.

   $ export PATH="$PATH:/home/yg/devel/bazel/output"
   

   /home/yg/devel/bazel/output 대신 본인의 경로 입력

2. Tensorflow Download

   $ git clone --recurse-submodules https://github.com/tensorflow/tensorflow

3. Configure TensorFlow's canonical view of Cuda libraries (TensorFlow root directory에서)

   $ ./configure

   Setting up Cuda include
   Setting up Cuda lib64
   Setting up Cuda bin
   Setting up Cuda nvvm
   Configuration finished
   

4. (optional) GPU campatibility 3.0 이하버전에 대해서 참고: https://gist.github.com/infojunkie/cb6d1a4e8bf674c6e38e 하지만 위 링크의 방법은 tensorflow 코드가 변경되면서 수정이 필요. TensorflowRoot에 본인 git clone한 경로를 입력

   1) TensorflowRoot/tensorflow/core/common_runtime/gpu/gpu_device.cc 의 line 625 CudaVersion("3.5"), CudaVersion("5.2") -> CudaVersion("3.0"), CudaVersion("3.5"), CudaVersion("5.2") 2) TensorflowRoot/third_party/gpus/crosstool/clang/bin/crosstool_wrapper_driver_is_not_gcc 의 line 237 supported_cuda_compute_capabilities = [ "3.5", "5.2" ] -> supported_cuda_compute_capabilities = [ "3.0", "3.5", "5.2" ]

5. Build your target with GPU support. Bazel을 Download한 Root directory에서 아래의 명령을 수행

   $ bazel build -c opt --config=cuda //tensorflow/cc:tutorials_example_trainer
   $ bazel-bin/tensorflow/cc/tutorials_example_trainer --use_gpu

6. Create pip package and install

   $ bazel build -c opt --config=cuda //tensorflow/tools/pip_package:build_pip_package
   $ bazel-bin/tensorflow/tools/pip_package/build_pip_package /tmp/tensorflow_pkg
   $ sudo pip install /tmp/tensorflow_pkg/tensorflow-0.5.0-cp27-none-linux_x86_64.whl

Test Tensorflow

Train your first TensorFlow neural net model

$ python tensorflow/models/image/mnist/convolutional.py
Succesfully downloaded train-images-idx3-ubyte.gz 9912422 bytes.
Succesfully downloaded train-labels-idx1-ubyte.gz 28881 bytes.
Succesfully downloaded t10k-images-idx3-ubyte.gz 1648877 bytes. Succesfully downloaded t10k-labels-idx1-ubyte.gz 4542 bytes.
Extracting data/train-images-idx3-ubyte.gz
Extracting data/train-labels-idx1-ubyte.gz
Extracting data/t10k-images-idx3-ubyte.gz
Extracting data/t10k-labels-idx1-ubyte.gz
Initialized!
Epoch 0.00
Minibatch loss: 12.054, learning rate: 0.010000
Minibatch error: 90.6%
Validation error: 84.6%
Epoch 0.12
Minibatch loss: 3.285, learning rate: 0.010000
Minibatch error: 6.2%
Validation error: 7.0%
...
...

위와 같이 training을 시작하면 Tensorflow가 올바르게 설치된 것