前言
人工智能几大框架发展都很迅猛,现在pytorch似乎在所有框架中发展最快的一支。最近尝试安装TensorFlow,现在把过程分享过来。
我先梳理下安装步骤:
1.安装Ubuntu后,先安装nvida显卡驱动。
2.安装anaconda。
3.安装cuda。
4.安装cudnn
5.安装TensorFlow-gpu
1.ubuntu安装显卡驱动比较简单,下载.run文件,执行安装后按照提示操作即可。
2.下载anaconda3,安装anaconda3,
配置环境变量
vim ~/.bash_profile
export PATH=“anaconda3安装路径/bin:$PATH”
source ~/.bash_profile
激活环境
conda create -n tensorflow python=3.7
source activate tensorflow
3.安装cuda。
安装cuda前
3.1)、先要检查下显卡的cuda版本。
用命令 nvida-smi 查看。我的显卡是1660ti,对应cuda10.1
3.2)、检查系统版本
我的系统是ubuntu18.04
3.3)、进入nvida官网,按照前面两点选择cuda版本。
下载runfile文件。 在ubutun中安装文档进行安装。
指令如下:
Installation Instructions:
Run sudo sh cuda_10.1.168_418.67_linux.run
Follow the command-line prompts
3.4)、配置cuda环境变量
.bashrc中添加如下配置文件
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-10.1/lib64
export PATH=$PATH:/usr/local/cuda-10.1/bin
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda-10.1
记得source下。 终端运行:source ~/.bashrc
4、安装cudnn。
cudnn的安装比较简单。主要是复制文件。
4.1)、下载cudnn。 下载cudnn时一定要注意版本是否和cuda版本一致。
4.2)、下载完成后,将文件复制到cuda安装目录中,并授权
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*
5、安装TensorFlow-GPU版
5.1)、先查看TensorFlow和cuda的版本支持关系。
https://tensorflow.google.cn/install/source#linux
5.2)、下载TensorFlow-gpu。
sudo pip install tensorflow-gpu 1.13.1
这里要说明下,因为没有10.1的支持,我暂且用了1.13这个版本做尝试。
5.3)、所有安装过后对TensorFlow-GPU进行测试。
用测试代码做测试后报错。
测试后报错
Cuda Configuration Error: No library found under:
/usr/local/cuda-10.1/lib64/libcublas.so.10.1,
/usr/local/cuda-10.1/lib64/stubs/libcublas.so.10.1,
/usr/local/cuda-10.1/lib/powerpc64le-linux-gnu/libcublas.so.10.1,
/usr/local/cuda-10.1/lib/x86_64-linux-gnu/libcublas.so.10.1,
/usr/local/cuda-10.1/lib/x64/libcublas.so.10.1,
/usr/local/cuda-10.1/lib/libcublas.so.10.1,
/usr/local/cuda-10.1/libcublas.so.10.1
WARNING: Target pattern parsing failed.
结果在TensorFlow github源码评论区发现如下解决方案
按照上述过程,teonsorflow-gpu安装完成。