谷歌正式发布TensorFlow 2.0!重点关注易用性,更新了以下主要内容:
- 使用 Keras 和 eager 模式进行更新
- 在任何平台上都可以进行稳健的模型部署
- 性能更好的研究实验
- 简化多种 API
安装主要有一下几步:
安装cuda
安装cuda 10.0
点此进入下载链接,按照图中的选择后就出现安装代码,在命令行中执行下列代码即可安装cuda 10.0,安装过程中会自动安装显卡驱动。
安装完毕后,需要重启电脑,重启后,打开控制台,输入以下命令,此时会提示’nvcc’ not found,不要按照提示安装,继续配置环境变量,配置好后即可执行。
nvcc -V
配置环境变量:
-
查看cuda安装路径
cd /usr/local/
-
进入cuda文件夹,在进入bin目录下,找到nvcc
-
打开控制台,执行以下命令
vi ~/.bashrc
-
将nvcc目录写入环境变量中,并保存
export PATH="/usr/local/cuda-10.0/bin:$PATH"
-
输入以下命令可以验证是否配置好
source ~/.bashrc echo $PATH
安装Anaconda
安装anaconda,点此进入下载链接,下载完毕后,进入下载链接,执行下列代码进行安装,安装过程查看协议部分可以按Q退出,也可按照引导选择安装目录。
bash Anaconda3-2019.03-Linux-x86_64.sh
安装Pytorch
安装pytorh时会自动安装一些工具,简化TensorFlow的安装步骤。点此进入安装目录,按照图中选择好版本即可执行图中命令安装pytorch。
验证是否安装成功,打开终端执行:
ipython
import torch
torch.cuda.is_available()
输出True表示安装成功。
安装tensorflow-gpu 2.0
打开终端执行以下命令即可安装:
pip install tensorflow-gpu -U
验证是否安装成功:
ipython
import tensorflow as tf
tf.test.is_gpu_available()
输出True表示安装成功。如果提示错误,则是cudnn没有安装好,需要单独安装,点此进入下载链接,此处需要注册。下载好后,将压缩包提取到想要安装的文件夹,找到lib64文件夹,将该目录配置到环境变量中,打开控制台输入以下命令配置环境变量:
vi ~/.bashrc
export LD_LIBRARY_PATH="<你的lib64文件夹目录>:$LD_LIBRARY_PATH"
保存后执行以下命令验证是否配置好:
source ~/.bashrc
echo $LD_LIBRARY_PATH
此时再运行上面的python代码,就会输出True了。