踩坑记：Tensorflow环境搭建

　　自从上一篇论文投出去，之后就各种事就来了……处理那些乱七八糟的事就是让人心累，在加上师哥们毕业，能帮我的人越来越少了，而要指望你的人呢，越来越多。一想到那些用搜索引擎都搜不到资料的人，蓦地想起邓爷爷说的那句“学习计算机要从娃娃抓起……”

　　上来先吐槽这么几句哈，毕竟憋了快两个星期了，

　　正题，实验室因为实验环境需要上了台搭载1080Ti的机器，简单说几项配置：6核i7CPU，64G内存，256固态+4T机械，1080TI显卡（都说它有8G显存，但实验时发现有10G+的显存）单路，风扇散热，双系统（win10+Ubuntu 16.04）。之前因为论文的事一直拖着没配置环境，上上周五才有时间开始弄这套环境，共在Ubuntu上建了4个新账户，每次编译TF老是出问题，所以配置了不下20遍吧，中间伴随着降低gcc版本、调整g++版本、降低显卡驱动版本等等闭眼的操作……当和同学说编译不过时，同学说同样的教程他那边一次成功，在一次次重新来过的过程找那个整个人的心情是相当低落的，不是不干活，是靠自己经验真的找不到BUG啊，一度开始怀疑自己能力、怀疑人生，还没人讨论一起研究这些，心里苦，但是说不出口……

　　当时遇到的困境在于：

　　1、本地编译TF过程中，报一大堆警告，就是那种c++代码，但是还一直在编译，直到结束，

　　2、编译完，安装之后，发现：

　　　　①import tensorflow as tf，直接报错，可能就是缺那个p****的包，记得当时装上也不行，无果……（与编译环境有关）

　　　　②import成功，终端没反应，之后输入那个helloTF的例子测试，直接报错找不到模块，就这一个问题差不多用了两天时间来修，最终无果……

　　3、还有那种报找不到lib…….so.5及其5.1的问题，这个问题是因为安装的cuDNN和你编译时候选的版本不一样，可能是选了6，其实这里网友建议降低到5.1或者5版本，这时候你改为用5.1版本号程序能自动寻路找到已安装的库，

　　4、有时候本地编译的安装失败后卸载，直接pip安装TensorFlow-gpu，这时候还是无法import，每次遇到这种情况，内心几乎是崩溃的，

　　5、最后搭建完，测试代码，虽然能感觉到明显的加速，但是运行程序时候一般会显示几条“没编译***的库，但是能够加速你的CPU计算”，而不是那句可爱的“Successfully opened CUDA……”（可能与编译环境有关）

　　……（没错，省略号可能都表示不了我同时打开了近20个终端在操作）

**************************************************************************************************************************************************************************************************************************

　　转机出现在删除所有之前的账户，重建账户再来一遍时候。这次根本就是死马当活马医了，觉得不行就重装个系统试试……

　　1、这次重新搭建环境，重新测试了所有环境变量，配置，安装好编译器和Anaconda3（3.5版本）之后按照教程《深度学习主机环境配置: Ubuntu16.04+Nvidia GTX 1080+CUDA8.0》继续搭（zuo），当看到显卡驱动那里，想着自己当时上的是开源最高版本驱动，觉得可能有问题，遂降低为专有驱动（一直不降驱动是因为之前同学说他一直用的官网推的最新驱动）。之后按照教程安装CUDA，测试了两个例子，没问题，这一步一直都能测试成功。

　　2、再按照《深度学习主机环境配置: Ubuntu16.04+GeForce GTX 1080+TensorFlow》安装cuDNN并行，这个地方和之前不同的是，以前一直在用6.0版本，这次降低到5.1，这个安装时候可以看到库的存放位置，不要错，还有权限问题。

　　3、剩下的就是平时周围人所说的piip install就能安装的TensorFlow，一直坚持本地编译安装，是因为同学说本地编译的更好，我信了，然后……就一路坑……索性这次就直接pip安装了，反正再不行就重装系统了，结果……结果就可以了，

　　在测试helloTensorFlow时，握着鼠标的手都是在发抖的，成功后接着测试tensor运算，测试mnist的例子，一路无阻，后来还跑了一把生成歌词的例子，几分钟跑完，至此确信基础环境搭建完毕，还想测试强化学习那个小鸟游戏的代码，但是貌似还要OpenCV，就没再折腾，

　　如果有人想说要用Python2.7，那么需要你先了解下github上Python 2.7和3.5+版本的程序的占有量，

　　如果说还有参考资料的话，那就是一篇《TensorFlow学习一：源码安装》，有详细配置编译细节，

　　如果最后还要问我有什么想说的：

　　看资料是一个人，看论文是一个人，搭环境是一个人，做实验是一个人，Debug是一个人，成功了是一个人，写论文是一个人；再加上实验室+学院的琐事，同学安慰说“能者多劳”，我头也没抬“多劳得多得啊……”不知道他脸上的表情，

【我能提供的经历就这么多，有问题可继续评论提出，当然有说的不对的地方也欢迎大家提出，马上改，】