ubuntu16.04+ 安装tensorflow2.0 pytorch1.3+

ubuntu16.04、ubuntu18.04 安装tensorflow2.0 pytorch1.3+

适用GTX系列、RTX系列等高级显卡系列，适合ubuntu16.04、ubuntu18.04系统

本文不再推荐使用，推荐使用docker容器：https://blog.csdn.net/LEILEI18A/article/details/103967652

不需要再下载安装cuda/cudnn，只用安装python和tensorflow、pytorch等库即可，仅用pip，方便。

##########################适用Tensorflow 1.6 / 1.7 / 1.8 / 1.9 / 2.0*  等##################################

1. 安装好系统后，更新驱动。系统设置-》软件和更新-》附加驱动-》更新nvidia和intel
2. 安装cuda9 or cuda10 【安装教程一样】

下载 cuda9.run，（deb格式容易出错误）。执行如下命令：

sudo sh cuda_9.0.176_384.81_linux.run.81_linux-run

 

accept

n（不要安装driver）

y

y

y

安装完成后，设置环境变量。

设置环境变量：

ctrl+H 打开 (主目录/home/*/) .bashrc文件，添加

## export PATH=/usr/local/cuda-9.0/bin:$PATH

## export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64$LD_LIBRARY_PATH　

##############注意 解决import tensorflow 错误的问题##############　

更改为：（这里运行，不会再出现错误。很抱歉。）

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-9.0/lib64
export PATH=$PATH:/usr/local/cuda-9.0/bin
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda-9.0

终端运行：source ~/.bashrc

检查：nvcc --version

 

3. 安装cudnn7

下载 for linux版本的，执行如下命令：

sudo cp cuda/include/cudnn.h /usr/local/cuda/include/

sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/

sudo chmod a+r /usr/local/cuda/include/cudnn.h

sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

4. 安装anaconda（python3.5）

bash Anaconda3-4.2.0-Linux-x86_64.sh

 

yes（设置环境变量）

5. 下载tensorflow

 

搜索 python tensorflow1.6/1.7/1.8/1.9（GPU），选择gpu版本并选择cp35，迅雷下载

直接 pypi 网址搜索tensorflow-gpu，选择合适的版本安装！

https://pypi.org/project/tensorflow-gpu/1.6.0/      （下载路径 downlaod files）

 

将 whl二进制文件复制到/home/*/下面，

 

执行命令：

【也可采用virtualenvwrapper创建虚拟环境：https://blog.csdn.net/LEILEI18A/article/details/98480651】

conda create -n tensorflow

source activate tensorflow

pip install --ignore-installed --upgrade tensorflow_gpu-1.6.0-cp35-cp35m-manylinux1_x86_64.whl

会报错，按照红色部分最后一行的命令，更新pip至9.01版本。重新

source activate tensorflow

pip install --ignore-installed --upgrade tensorflow_gpu-1.6.0-cp35-cp35m-manylinux1_x86_64.whl

 

安装完成，关掉终端。打开终端，source activate tensorflow；spyder；

import tensorflow as tf 执行成功。