Ubuntu18.04安装tensorflow-gpu1.15.0配置环境

1、Ubuntu18.04下anaconda对应版本的下载与安装

anaconda3下载链接(清华镜像源):
https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
在这里插入图片描述
我这里下载了Anaconda3-5.2.0-Linux-x86_64.sh

安装:
在对应文件夹打开终端(文件夹不同自行修改)

cd Downloads/

输入(版本不同自行修改版本号):

bash Anaconda3-5.2.0-Linux-x86_64.sh

一路点击yes,安装完成!

关于anaconda的一些指令(知识补充)(安装不必执行)
1、查看anaconda版本

conda --version

2、升级所有包

conda upgrade --all 

3、查看所有环境

conda env list

4、删除包

pip uninstall requests
或
conda remove requests

5、创建新环境

conda create -n 环境名 python=3.6   

6、激活环境

source activate 环境名

7、查看所有包

conda list

8、安装指定版本包

pip install==版本

9、删除环境

conda env remove -n env_name



2、pycharm安装

pycharm添加快捷方式:博客链接


3、配置tensorflow-gpu1.15的环境

1、创建新环境

conda create -n tensorflow_env python=3.6   

2、激活新建的环境
linux下指令:

source activate tensorflow_env

Windows下指令:

conda activate tensorflow_env

3、由于pip和conda的本来源下载库慢,所以这里推荐先换个源

conda换源:链接

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge 
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/
conda config --set show_channel_urls yes

conda换源初始源

conda config --remove-key channels

pip指令下载包临时换源

pip install xxx -i https://pypi.douban.com/simple

以下是我搭建tensorflow1.15.0运行代码需要的所有库:(根据跑代码所需库自己搭建)
在这里插入图片描述
先安装TensorFlow-gpu1.15.0前面的所有库:

pip install absl_py==0.8.1 -i https://pypi.douban.com/simple
pip install imageio==2.6.1 -i https://pypi.douban.com/simple
pip install matplotlib==3.0.3 -i https://pypi.douban.com/simple
pip install monty==3.0.2 -i https://pypi.douban.com/simple
pip install numpy==1.16.2 -i https://pypi.douban.com/simple
pip install Pillow==6.2.1 -i https://pypi.douban.com/simple
pip install scikit_learn==0.20.4 -i https://pypi.douban.com/simple
pip install scipy==1.2.1 -i https://pypi.douban.com/simple
pip install dm_sonnet==1.35 -i https://pypi.douban.com/simple

这里TensorFlow-gpu1.15.0的安装有点难,安装之前需要安装cuda和cudnn


4、安装cuda和cudnn

本机系统配置为Ubuntu18.04+CUDA10.0,显卡信息为NVIDIA TITAN Xp

安装cuda

以下是安装cuda前的准备工作:
1、查看系统是否存在cuda
输入nvcc -V查看是不是有cuda工具包,查找不到则没有
在这里插入图片描述
2.安装Nvidia显卡驱动
查看本机显卡能够配置的驱动信息:

ubuntu-drivers devices

在这里插入图片描述
在这里插入图片描述
3、安装推荐的显卡驱动(没有安装自行安装)

sudo ubuntu-drivers autoinstall

4、安装完成后,重启电脑

sudo reboot

5、查看是否安装完成

nvidia-smi

以下是cuda安装过程:
1、下载cuda安装包,cuda下载链接:链接
下载的内容包括一个主安装程序,和几个补丁包,把它们都下载
在这里插入图片描述
在这里插入图片描述

2、运行下载的文件(如果文件名不同,自行修改文件名)

sudo sh cuda_10.0.130_410_68_linux.run

accept、yes一路安装
在这里插入图片描述
接着安装补丁(也是.run文件,只有几兆几十兆):

sudo sh 补丁名

3、安装完成后,写入环境,用下面指令打开文件

sudo gedit ~/.bashrc

打开文件后,在文件后面添加:

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-10.0/lib64
export PATH=$PATH:/usr/local/cuda-10.0/bin
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda-10.0

再source一下

source ~/.bashrc

4、安装完成,查看cuda版本

nvcc -V

5、测试是否暗转成功(可选,运行需要一定时间)
上面的选项选择安装了CUDA例子,运行其中一个来测试是否安装成功:

cd /usr/local/cuda/samples/1_Utilities/deviceQuery 
sudo make
./deviceQuery

在这里插入图片描述
推荐参考安装链接:
链接1
链接2

安装cudnn

1、下载文件,cudnn下载链接:https://developer.nvidia.com/rdp/cudnn-archive
2、转换格式和解压
我们从Nvidia官网上下载下来的cudnn for linux的文件格式是.solitairetheme8,想要解压的话需要先转成tgz格式再解压:

cp  cudnn-10.0-linux-x64-v7.3.1.20.solitairetheme8 cudnn-10.0-linux-x64-v7.3.1.20.tgz
tar -xvf cudnn-10.0-linux-x64-v7.3.1.20.tgz

3、解压下载的文件,可以看到cuda文件夹,在当前目录打开终端,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、查看cudnn版本,终端输入:

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

如果出现下图所示版本信息,说明安装成功。
在这里插入图片描述
推荐安装参考博客链接:
链接1
链接2
链接3


5、其他

(1)查看pgu占用情况
实时查看,1表示每隔一秒,可以修改:

watch -n 1 nvidia-smi

静态查看:

nvidia-smi

(2)查看cuda版本

cat /usr/local/cuda/version.txt
nvcc -V

查看cudnn版本

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

在这里插入图片描述

(3)Python指定gpu跑代码

import os
os.environ['CUDA_VISIBLE_DEVICES'] = '0'      # 使用 GPU 0
os.environ['CUDA_VISIBLE_DEVICES'] = '0,1'    # 使用 GPU 0,1

终端上跑代码:

CUDA_VISIBLE_DEVICES=0   python  your_file.py
# 可用的形式如下:
# CUDA_VISIBLE_DEVICES=1           Only device 1 will be seen
# CUDA_VISIBLE_DEVICES=0,1         Devices 0 and 1 will be visible
# CUDA_VISIBLE_DEVICES="0,1"       Same as above, quotation marks are optional
# CUDA_VISIBLE_DEVICES=0,2,3       Devices 0, 2, 3 will be visible; device 1 is masked

# CUDA_VISIBLE_DEVICES=""          No GPU will be visible

(4)查看Ubuntu下Python是否在gpu上跑,还是在cpu上:博客链接


6、安装tensorflow-gpu1.15.0

cuda和cudnn安装完成之后,在终端输入:

pip install tensorflow_gpu==1.15.0 -i https://pypi.douban.com/simple

安装剩下没安装的库:

pip install tensorflow_probability==0.8.0 -i https://pypi.douban.com/simple
pip install tensorflow_datasets==1.3.0 -i https://pypi.douban.com/simple
  • 4
    点赞
  • 17
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

zdb呀

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值