虚机类型选择

Azure 上的虚拟机有很多种配置，为了安装 GPU 版本的 TensorFlow， 我们必须选用有 GPU 支持的虚拟机类型。这种机器比较贵，所以如果预算不是很足，建议使用完毕及时关闭，因为 Azure 上虚拟机的收费是按照开机时间算的，而不是我之前感觉的"应该按照 CPU/GPU 计算时间算"。

我这边选了最便宜的一种，也就是 1X K80。

安装 CUDA / CUDNN

CUDA

让我诧异的是既然 Azure 把 GPU 机器作为虚拟机模板提供给用户选择了，不应该开机之后就应该已经安装过CUDA/CUDNN 了吗？实践证明，答案是"没有"。（运行 nvidia-smi, 命令不存在）

CUDA 的安装，还是按照官方文档 docs.nvidia.com/cuda/cuda-installation-guide-linux 来操作，（之所以这里不赘述是为了防止以后的文档版本更新了，所列的步骤就落时了）。这里粗略描述一下要注意的事情：

• 文档中有描述”安装前检查”，通过 lspci, uname 等命令查看 GPU/Linux 发行版 是否支持 CUDA，建议完整按照步骤走一遍。
• CUDA 驱动要求当前系统所使用的 Linux 内核对应的源文件必须安装在本机器上。（不要问问什么，这都是工程问题，除非你特别感兴趣，要弄明白。）
• 所选系统是 Ubuntu 的话，Deb 包算是最简单的安装方式了，进入文档中 NVIDIA CUDA Toolkit 的链接 http://developer.nvidia.com/cuda-downloads， 依次选择：Linux > x86_64 > Ubuntu > 16.04 > deb(network)

如果选择网络 deb 包安装，会显示图中的安装说明，选择下面两种方式中任意一种下载 deb 包

• 点击”Download” 下载 deb 包到本地机器，用 ftp 软件将 deb 上传到虚拟机上；
• 拷贝 Download 链接，在 Azure 虚拟机命令行中 用 wget <url> 下载到当前工作目录。

下载完毕后，逐条执行图中的四条命令。注意：按照这种引导，安装的都是最新版的 CUDA，如果需要指定版本，可以考虑 下载 deb 包时改下下载链接下载相应版本的 deb 包。

最后，在虚拟机上 /home/user/.bashrc 中加入环境变量定义 LD_LIBRARY_PATH， 值为 /usr/local/cuda-9.1。

CUDNN

CUDNN 安装过程请主要参考 https://developer.nvidia.com/cudnn，这里有个不太好的体验，NVIDIA 要求下载 CUDNN 的用户必须用账户登录 （一般人不会有这个账号的，所以需要用邮箱注册下），然后才能看到下载链接：

选择 CUDNN 版本时，请考虑前一步安装的 CUDA 版本，务必保持一致。选定版本后，需要下载 CUDNN 运行时库 以及 CUDNN 开发者库，建议下载 Ubuntu deb 包，然后用 ftp 上传到 虚拟机上。

如果不安装开发者库，后续安装 TensorFlow 时会报错，说找不到 cudnn.h。

Deb 包的安装，使用 "sudo dpkg -i <name>.deb "

TensorFlow GPU 版本的安装

主要步骤请参考 https://www.tensorflow.org/install/install_sources。

要注意的一些事情：

• Bazel 是 Linux 上编译 TensorFlow 的工具，所以务必先安装好。
• 我们可以选择编译出来的 TensorfLow 用哪个版本的 Python 使用。（官方提供的最新 whl 一般都是基于 Python3.5的。）
• “./configure” 的时候
  • 请选择开启 GPU，
  • CUDA 的版本请核实正确，CUDA 路径一般是在 /usr/local/cuda-9.1下面
  • CUDNN 的版本也请核实正确，路径填写 /usr/lib/x86_64-linux-gnu/
• 当安装完 whl 包之后，请务必不要在执行 configure 以及 build 的目录下面测试 import tensorflow，退到任何其他目录下。