linux下 conda 和 pip 两种方式安装tensorflow（GPU）

在经历了不知道多少次的失败之后，终于看到程序挂到gpu上跑出结果了。。。

深度学习做实验首选肯定还是pytorch，兼容性和便捷性都要比tensorflow强很多，官方给的安装指示很简洁易懂，安装经验也都很成熟。但没办法，一些领域的开源代码大多数是用tensorflow框架开发的，比如通信。而且这些代码很少能把自己适配的环境在readme里说清楚的，只能硬着头皮嗑tensorflow安装。

说实话，tensorflow官网上那个安装写的那个安装教程就不是给人看的，试了Bazel之类的方法也失败了。网上的经验帖子也大多数都是Windows图形界面下针对tensorflow和cuda等库的安装，对用基于ssh远程控制linux服务器使用GPU在虚拟环境下进行学习实验的广大研友们非常不友好。因此，决定写一个帖子让有心的研友们看到后能够不在这上面走太多弯路。

tensorflow版本的选择

如果研究代码没有标明tensorflow版本，优先选用2.x版本。

首先，tensorflow1.x配套的python版本、硬件版本等都比较低。这会给代码运行速度、代码调试（如vscode插件）等方面带来麻烦。

其次，tensorflow2.x配置了对1.x比较友好的API接口，可以handle基于1.x写的代码。只要将import tensorflow as tf，换成

import tensorflow._api.v2.compat.v1 as tf

基本上就能解决很多1.x的运行问题。我个人选择的是2.15.0这一版，比较适配我需要跑的1.x的代码，本帖下面也以2.15.0版本为例。

如果研究代码标明tensorflow版本，一定要看好匹配的cuda和cudnn版本再安装。否则就会安装了半天发现根本没法用上GPU。具体版本对应参考这个帖子，写的很好：
https://blog.csdn.net/ly869915532/article/details/124542362

conda安装tensorflow

这个的前提是用conda装好虚拟环境，具体可以参考这个帖子：
https://blog.csdn.net/2301_81940605/article/details/136478382
装好之后即可开始tensorflow安装。

首先说明一点，conda是个好东西，它会把关联包按照版本比较严格的绑在一起，对于tensorflow而言基本不需要操心cuda和cudnn匹配了。 但如果想安装特定版本的tensorflow，还是需要在库里进行搜索确认的，即

conda search tensorflow

这时候会给出defaults通道下各个tensorflow版本，对应安装即可。如果没有找到所需版本，可以在不同的通道下搜索，如conda-forge

conda search tensorflow -c conda-forge

这时候你会发现版本多了起来，选定一个想要的进行安装，如

conda install -c conda-forge tensorflow=2.15.0=cuda120py311h5cbd639_2

安装好之后用conda list看看库里是不是把配套的包如cudnn等都装齐了，如果没有，看好匹配的版本逐一用conda安装即可，方式同上。

比较容易碰到的问题就是，不管是conda加载速度还是安装速度都特别特别慢，这些一般来说都是镜像源的问题。现在大多数帖子分享的清华源的方法好像不太好用了，推荐换北外源，具体操作参考这个帖子，写的很好：
https://blog.csdn.net/weixin_43667077/article/details/108282523

pip安装tensorflow

pip相对于conda来说要麻烦很多，容易出错的地方也更多，有条件的还是推荐用上面conda的方法。但可能一些情况下服务器平台不支持anaconda，因此，在这里给出pip安装的方法。

前提还是先装好虚拟环境，没有conda服务的话可以这样安装并激活

python3 -m venv tf_env/                #python版本提前确认好
source .../tf_env/bin/activate         #...表示tf_env所在路径

pip不会像conda一样关联好相关的包，因此需要先参考tensorflow版本确定好cuda和cudnn的版本进行安装。但nvidia官方给出的cuda安装方式如apt install，很难仅仅配置到虚拟环境中，很不方便。找了半天终于发现官方给的pip安装方式，具体长这样

即先安装wheel和nvidia-pyindex

python3 -m pip install --upgrade setuptools pip wheel
python3 -m pip install nvidia-pyindex

往后面进行的时候发现官方给的没有指定精确版本，

另外，按照官方给的格式自己写版本也很可能会面临pip报搜索不到的错误。想了想，还是到pip通道PyPI中自己去搜索找最准确的版本吧。如nvcc，可以在这搜索到具体的版本和对应指令

不同版本可以在发行历史中进行选定即可，很方便。

我本人担心cuda配件装不完影响GPU运行，所以把2.15.0的所有配件都给装了，可以直接抄过去

pip install nvidia-nvtx-cu12==12.5.82 nvidia-nvml-dev-cu12==12.5.82 nvidia-cufft-cu12==11.2.6.28 nvidia-cusolver-cu12==11.6.4.38 nvidia-nvjpeg-cu12==12.3.3.23 nvidia-npp-cu12==12.3.1.23 nvidia-cusparse-cu12==12.5.2.23 nvidia-curand-cu12==10.3.7.37 nvidia-cudnn-cu12==8.9.7.29 nvidia-cuda-runtime-cu12==12.5.82 nvidia-cuda-nvrtc-cu12==12.5.82 nvidia-cuda-nvcc-cu12==12.5.82 nvidia-cuda-cupti-cu12==12.5.82 nvidia-cuda-cccl-cu12==12.5.39.post1 nvidia-cublas-cu12==12.5.3.2

最后，安装指定版本的tensorflow即可，方法同上，也可以在PyPI中搜索

pip install tensorflow==2.15.0.post1

至此，基于pip安装tensorflow大功告成。