linux环境创建anaconda虚拟环境安装tensorflow-gpu版本

1.找到相应版本

• 版本连接查找
  • https://tensorflow.google.cn/install/source#gpu

2.下载步骤

2.1选择下载版本

• TensorFlow 2.1.0
• Python 3.7
• keras 2.3.1
• cuda 10.1 【后期报错，才发现版本有问题,要对应版本】
• cudnn 7.6 【后期报错，才发现版本有问题,要对应版本】

2.2 创建虚拟环境

conda create --name env_tensorflow python=3.7

2.3 进入虚拟环境

conda activate env_tensorflow 

2.5 更新三个包

pip install --upgrade numpy
pip install --upgrade pandas
pip install --upgrade scipy

2.6 安装tensorflow和keras

• 添加镜像，下载比较快

pip install tensorflow-gpu==2.1.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install keras==2.3.1

2.7 验证是否安装成功

import tensorflow as tf

• 报错了，报错信息为
  TypeError: Descriptors cannot not be created directly.If this call came from a _pb2.py file, your generated code is out of date and must be regenerated with protoc >= 3.19.0.If you cannot immediately regenerate your protos, some other possible workarounds are: 1. Downgrade the protobuf package to 3.20.x or lower. 2. Set PROTOCOL_BUFFERS_PYTHON_IMPLEMENTATION=python (but this will use pure-Python parsing and will be much slower).More information: https://developers.google.com/protocol-buffers/docs/news/2022-05-06#python-updates

• 解决，重新安装protobuf,安装后，导包不报错了

  pip install 'protobuf~=3.19.0'
  

  

2.8 检验GPU是否可用

• 相关命令

  tf.test.is_gpu_available()
  

  
• 嗯，不可用，可能原因 对应的cuda，cudnn，tensorflow版本不匹配
  • 安装对应的cuda，cudnn
  • 与tensorflow2.1.0版本对应的版本为
    • cuda版本是10.1
    • cudnn版本是7.6.5
• 安装cuda，cudnn

  conda install cudatoolkit=10.1 cudnn=7.6.5
  

• 再次输入命令

  tf.test.is_gpu_available()
  

  
  • gpu启动成功

2.9 测试代码

import tensorflow as tf
tf.compat.v1.disable_eager_execution()
x=tf.constant(1)
y=tf.constant(2)
z=x+y
sess=tf.compat.v1.Session()
print(sess.run(z))

3.成功，终于成功了！！！