【最简单轻松教程】小白使用conda对ubuntu安装tensorflow和cuda等配套工具库

KristenLee233

已于 2024-09-16 01:12:15 修改

阅读量474

点赞数 3

文章标签： conda tensorflow 人工智能

于 2024-09-15 21:29:42 首次发布

本文链接：https://blog.csdn.net/KristenLee233/article/details/142288542

版权

这里的版本是符合全部对应的要求的，如果你cuda支持11.2及以上版本的，甚至可以直接照抄我这个版本配置。
手里只有现成的conda pytorch环境包，但是想跑一个别人的代码，必须用tensorflow+keras，只能自己装。
看了很多其他的方法感觉特复杂还要改bash文件，我直接用conda+pip丝滑完成(除了公司破网有点难受之外)
这里参考了wx和csdn的一些教程（安装如果有问题可以参考这篇https://blog.csdn.net/justidle/article/details/130816566 还有https://blog.csdn.net/SJTUzhou/article/details/120750821，特别是numpy冲突的）。

总之，你需要做的步骤如下：

0、硬件驱动的安装，这个一般实验室或者公司会自带就不需要管了，不然就自己装一个。

我们只关心版本对不对：你只需要输入nvidia-smi，查看自己终端输出的表格的右上角的数字(比如12.0)，表示CUDA版本最高支持为12.0版本（我自己的是这个），检查一下官网对应的版本匹配。

1、安装anaconda，然后创建一个专属环境，我这里python版本是3.7（如果创建conda环境时，python版本过低导致后续其他库安装过程报错，你可以后面再更新python版本，没关系）

2、使用conda安装cudatookit和cudnn：

conda install cudatoolkit=11.2
conda install cudnn=8.1

3、这里使用pip而非conda来安装tensorflow，因为我用conda会报错（踩了无数雷才明白）：

pip install tensorflow-gpu=2.6

4、如果有冲突自己看看报错信息问问Gpt再改就得了。

不过正常来说现在就可以测试了：

python
import tensorflow as tf
# 检查tensorflow是否得到CUDA支持，安装成功则显示true，否则为false
tf.test.is_built_with_cuda()
# 检查tensorflow是否可以获取到GPU，安装成功则显示true，否则为false
tf.test.is_gpu_available()

两个都是输出true就应该成功了，看不懂或者不想看就问gpt然后自己结合解释看一遍原输出，有助于快速学习原理（哈哈性格急的人就是面向gpt编程，尴尬）
总之，我的光秃秃的终端输出如下：
在这里插入图片描述

5、安装keras：

貌似可以不需要自己去安装keras，因为tensorflow.keras 是 TensorFlow 自带的 Keras 实现，通常推荐使用它，因为它已经与 TensorFlow 深度集成，提供了更好的兼容性和性能。
如果你只使用 TensorFlow而不需要pytorch的话，不需要自己再单独安装 keras，继续使用 tensorflow.keras 就可以了。输入测试代码如下：

from tensorflow.keras import layers, models
model = models.Sequential([
    layers.Dense(units=10, activation='relu', input_shape=(784,)),
    layers.Dense(units=10, activation='softmax')
])

会输出类似这种结果，说明成功了：
在这里插入图片描述