Cài đặt phần mềm Google TensorFlow Neural Network cho CPU và GPU trên Ubuntu 16.04

[theanh]

TensorFlow là phần mềm nguồn mở để thực hiện các tác vụ học máy. Google, người sáng tạo ra nó muốn giới thiệu một công cụ mạnh mẽ để giúp các nhà phát triển khám phá và xây dựng các ứng dụng dựa trên học máy, vì vậy họ đã phát hành công cụ này dưới dạng một dự án nguồn mở. TensorFlow là một công cụ cực kỳ mạnh mẽ chuyên về một loại mạng nơ-ron được gọi là mạng nơ-ron sâu.

Mạng nơ-ron sâu được sử dụng để thực hiện các tác vụ học máy phức tạp như nhận dạng hình ảnh, nhận dạng chữ viết tay, Xử lý ngôn ngữ tự nhiên, chatbot, v.v. Các mạng nơ-ron này được đào tạo để học các tác vụ mà nó được cho là phải thực hiện. Vì các phép tính cần thiết để đào tạo là cực kỳ lớn, nên hầu hết thời gian, cần có sự hỗ trợ của GPU và đây chính là lúc TensorFlow xuất hiện để giải cứu. Nó được hỗ trợ GPU và do đó, bằng cách cài đặt phần mềm có hỗ trợ GPU, thời gian đào tạo cần thiết có thể được giảm đáng kể.

Hướng dẫn này giúp bạn cài đặt TensorFlow chỉ dành cho CPU và cũng có hỗ trợ GPU. Vì vậy, để có được TensorFlow có hỗ trợ GPU, bạn phải có GPU Nvidia có hỗ trợ CUDA. Việc cài đặt CUDA và CuDNN (thư viện tính toán Nvidia) hơi khó và hướng dẫn này cung cấp cách tiếp cận từng bước để cài đặt chúng trước khi thực sự cài đặt TensorFlow.

Nvidia CUDA là một thư viện được tăng tốc bằng GPU có các triển khai được điều chỉnh cao cho các thói quen tiêu chuẩn được sử dụng trong mạng nơ-ron. CuDNN là một thư viện điều chỉnh cho GPU, tự động điều chỉnh hiệu suất GPU. TensorFlow dựa vào cả hai thư viện này để đào tạo và chạy mạng nơ-ron sâu và do đó chúng phải được cài đặt trước khi cài đặt TensorFlow.

Điều rất quan trọng cần lưu ý là những ai KHÔNG muốn cài đặt TensorFlow với hỗ trợ GPU, thì bạn có thể bỏ qua tất cả các bước sau và chuyển thẳng đến phần "Bước 5: Cài đặt TensorFlow chỉ hỗ trợ CPU" của hướng dẫn này.

Bạn có thể tìm thấy phần giới thiệu về TensorFlow tại đây.

1 Cài đặt CUDA​

Trước tiên, hãy tải xuống CUDA cho Ubuntu 16.04 từ tại đây. Tệp này khá lớn (2GB) nên có thể mất một thời gian để tải xuống.

Tệp đã tải xuống là gói ".deb". Để cài đặt, hãy chạy các lệnh sau:

sudo dpkg -i cuda-repo-ubuntu1604-8-0-local_8.0.44-1_amd64.deb

các lệnh sau sẽ cài đặt bất kỳ phần phụ thuộc nào bị thiếu và cuối cùng là cài đặt bộ công cụ cuda:

sudo apt install -f

sudo apt update

sudo apt install cuda

Nếu cài đặt thành công, bạn sẽ nhận được thông báo "đã cài đặt thành công". Nếu đã cài đặt, bạn sẽ nhận được đầu ra tương tự như hình ảnh bên dưới:

2 Cài đặt thư viện CuDNN​

Thật đáng buồn là việc tải xuống CuDNN đòi hỏi một chút công sức. Nvidia không trực tiếp cung cấp cho bạn các tệp để tải xuống (Tuy nhiên, nó miễn phí). Thực hiện theo các bước để nhận tệp CuDNN của bạn.

1. nhấp vào đây để đến trang đăng ký của Nvidia và tạo tài khoản. Trang đầu tiên yêu cầu bạn nhập thông tin cá nhân và trang thứ hai yêu cầu bạn trả lời một vài câu hỏi khảo sát. Không sao nếu bạn không biết câu trả lời cho tất cả, bạn chỉ cần chọn một tùy chọn ngẫu nhiên.
2. Bước trước đó sẽ dẫn đến việc Nvidia gửi cho bạn một liên kết kích hoạt đến ID email của bạn. Sau khi bạn đã kích hoạt, hãy truy cập liên kết tải xuống CuDNN đây.
3. Sau khi đăng nhập vào trang đó, bạn sẽ phải điền vào một cuộc khảo sát nhỏ hơn khác. Nhấp ngẫu nhiên vào các hộp kiểm rồi nhấp vào nút "tiến hành tải xuống" ở cuối khảo sát và ở trang tiếp theo, nhấp vào đồng ý với các điều khoản sử dụng.
4. Cuối cùng, trong danh sách thả xuống, nhấp vào "Tải xuống cuDNN v5.1 (20 tháng 1 năm 2017), dành cho CUDA 8.0" và trong danh sách thả xuống đó, bạn cần tải xuống hai tệp bằng cách nhấp vào tệp đó:
   • Thư viện thời gian chạy cuDNN v5.1 cho Ubuntu14.04 (Deb)
   • Thư viện dành cho nhà phát triển cuDNN v5.1 dành cho Ubuntu14.04 (Deb)

LƯU Ý: mặc dù thư viện cho biết nó dành cho Ubuntu 14.04, nhưng chỉ sử dụng liên kết đó. nó cũng hoạt động với 16.04

Bây giờ bạn đã có cả hai tệp CuDNN, đã đến lúc cài đặt chúng!! Sử dụng các lệnh sau từ thư mục chứa các tệp đã tải xuống này:

sudo dpkg -i libcudnn5_5.1.5-1+cuda8.0_amd64.deb

sudo dpkg -i libcudnn5-dev_5.1.5-1+cuda8.0_amd64.deb

Hình ảnh sau đây hiển thị đầu ra của việc chạy các lệnh này:

3 Thêm vị trí cài đặt vào tệp Bashrc​

vị trí cài đặt phải được thêm vào tệp bashrc để từ lần tiếp theo trở đi, hệ thống sẽ biết tìm thư mục đã cài đặt cho CUDA ở đâu. sử dụng lệnh sau để mở tệp bashrc:

sudo gedit ~/.bashrc

sau khi tệp mở ra, hãy thêm hai dòng sau vào cuối tệp đó:

export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64" export CUDA_HOME=/usr/local/cuda

4 Cài đặt TensorFlow hỗ trợ GPU​

bước này chúng ta cài đặt TensorFlow hỗ trợ GPU. Chạy lệnh sau nếu bạn đang sử dụng python 2.7:

pip install TensorFlow-gpu

nếu bạn có python 3.x thay vì lệnh trên, hãy sử dụng lệnh sau:

pip3 install TensorFlow-gpu

Bạn sẽ nhận được thông báo "đã cài đặt thành công" sau khi lệnh hoàn tất thực thi. Bây giờ, tất cả những gì còn lại để kiểm tra là liệu nó đã được cài đặt đúng cách hay chưa. Để kiểm tra điều này, hãy mở dấu nhắc lệnh và nhập các lệnh sau:

python

import TensorFlow as tf

Bạn sẽ nhận được đầu ra tương tự như hình ảnh bên dưới. Từ hình ảnh, bạn có thể quan sát thấy các thư viện CUDA đã được mở thành công. Bây giờ, nếu có lỗi, các thông báo cho biết không mở được CUDA và thậm chí không tìm thấy mô-đun sẽ xuất hiện. Trong trường hợp đó, bạn có thể đã bỏ lỡ một trong các bước trên và thực hiện lại hướng dẫn này một cách cẩn thận sẽ là cách thực hiện.

5 Cài đặt TensorFlow chỉ hỗ trợ CPU​

LƯU Ý: Bước này phải được thực hiện bởi những người không có GPU hoặc những người không có GPU Nvidia. Những người khác, vui lòng bỏ qua bước này!!

cài đặt TensorFlow chỉ dành cho CPU cực kỳ dễ dàng. Sử dụng hai lệnh sau:

pip install TensorFlow

nếu bạn có python 3.x thay vì lệnh trên, hãy sử dụng lệnh sau:

pip3 install TensorFlow

Vâng, đơn giản như vậy!

Như vậy là kết thúc hướng dẫn cài đặt, giờ bạn có thể bắt đầu xây dựng các ứng dụng học sâu của mình. Nếu bạn mới bắt đầu, bạn có thể xem hướng dẫn chính thức dành cho người mới bắt đầu tại đây. Nếu bạn đang tìm kiếm các hướng dẫn nâng cao hơn, bạn có thể tìm hiểu cách thiết lập hệ thống/công cụ nhận dạng hình ảnh có khả năng xác định hàng nghìn đối tượng với độ chính xác cao từ tại đây.