服务器修理后,个人盘资料丢失,需要重装tensorflow的环境,所以再记录一次简化的环境安装过程。
本来想直接pip install tensorflow-gpu一步到位,没想到安装了tensorflow 1.5必须搭配 9.0 cuda,但这个依赖是公共的,不能更新,于是只能卸载重来pip uninstall tensorflow-gpu。
头次失败教训告诉我,一定要先查好系统版本和各种依赖的版本,再安装环境。
1、查看Ubuntu版本
cat /etc/issue
结果:
Ubuntu 16.04.3 LTS
2、查看CUDA版本
cat /usr/local/cuda/version.txt
结果:
CUDA Version 8.0.61
CUDA Patch Version 8.0.61.2
CUDA Patch Version 8.0.61.2
3、查看 CUDNN 版本:
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
结果:
#define CUDNN_MAJOR 7
#define CUDNN_MINOR 0
#define CUDNN_PATCHLEVEL 5
–
#define CUDNN_VERSION (CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL)
#include “driver_types.h
4、所以对应要安装tensorflow gpu 1.4版本
利用virtualenv(虚拟沙盒)创建自己的python环境
注意每次使用沙盒环境前
Linux安装tensorflow GPU 1.4 的简略过程
最新推荐文章于 2024-08-14 08:12:06 发布
本文记录了在Ubuntu 16.04系统上,配合CUDA 8.0和CUDNN 7.0安装TensorFlow GPU版本1.4的过程。首先查看系统和CUDA版本,然后使用virtualenv创建独立Python环境,避免版本冲突,最后通过pip安装指定版本的tensorflow-gpu并验证安装成功。
摘要由CSDN通过智能技术生成