ubuntu18系统anaconda安装tensorflow_qq_39429669的博客-CSDN博客
安装的过程主要思考两个问题：
- 虚拟环境（比如conda install tensorflow-gpu==1.2.1自动安装）安装的CUDA、cudnn是否可用，是否会和在系统安装的CUDA、cudnn冲突，如果采用这种方式，是否可以不用提前在系统中安装CUDA、cudnn。
- tensorflow与CUDA、cudnn的版本兼容，特别是分清上兼容还是下兼容。
接下来会针对这两个问题和其他问题进行说明。
一.虚拟环境中cuda版本与系统cuda版本
虚拟环境中cuda版本与系统cuda版本不同有什么影响
1.虚拟环境中的cuda和系统安装的cuda是互不影响的，所以在虚拟环境中放心安装你需要的cuda版本。安装之后为了验证时候安装成功，在终端运行了nvcc -V(V大写)，很奇怪的发现和系统安装的cuda是一个版本。其实这个命令执行之后就是获得系统安装的版本，如果想要看虚拟环境中安装的版本应该运行conda list | grep cuda。
2.github上不同的项目所支持的pytorch版本是不一样的，而pytorch版本和cuda版本之间又是互相依赖的，所以如果可以利用anaconda灵活地在不同cuda版本间切换将是非常方便。我们可以在conda创建的不同虚拟环境中安装不同的cuda和cudnn版本，以此来实现不同cuda版本间的切换。最好一个项目创建一个虚拟环境，这样比较好。
3.但是！！cuda版本不能是任意的欧！需要安装与显卡对应的cuda和cudnn，这样才可以用显卡进行训练。小白亲测，在anaconda虚拟环境中配置相应版本的cuda发现运行代码的时候出现错误，提示显卡能够支持cudnn>=9000，而现在cudnn=8000，这个时候要升级虚拟环境中的cuda,cudnn版本和安装的pytorch版本，这个需要查阅相关文件，看看自己的电脑需要安装什么版本的cuda，cudnn,pytorch。如果不正确安装在使用显卡跑网络的时候会出现问题。
4.除非你打算安装CUDA 10.0并自行编译 TensorFlow 或 PyTorch ，否则不要自行安装 CUDA 和 cuDNN！安装了也可以使用。因为版本兼容问题是个大坑，而网上很多教程却避而不谈。其实最简单稳妥的办法就是通过 Anaconda 安装 TensorFlow ，让它来安装正确的依赖 —— 例如 CUDA 和 cuDNN。
操作实例：安装驱动-不知是否在系统上安装了cuda和cudnn-在环境中conda安装cuda和cudnn-不知是否安装tensorflow
千万不要这种方式，conda安装tensorflow可以自动安装对应版本的cuda和cudnn，不需要在环境中提前安装cuda和cudnn
1显卡驱动
显卡驱动安装适合本机显卡的版本。如果以前已经安装可以直接跳过。
链接
2cuda安装
2.1 确定cuda版本
安装好显卡驱动后，使用nvidia-smi命令可以查看这个显卡驱动可以安装的最高的cuda版本是多少，如下：
Driver Version: 461.40 表明当前驱动版本是461.40
CUDA Version: 11.2 表明当前驱动可以安装的cuda最高版本是11.2
上面虽然显示的当前驱动版本461.40可以安装的cuda最高版本是11.2，但是我们还不能直接就认定我们就安装cuda 11.2，还需要查看pytorch的版本要求，比如我想安装pytorchv1.8.0，如下：
pytorchv1.8.0 要求的cuda版本是11.1，那我就可以确定安装cuda11.1
2.2查看conda支持的cuda版本
注意：
- 如果是第一次安装anaconda，需要先修改镜像
链接
- 要先使用conda activate name命令把conda环境激活到你想要安装的那个环境。
conda search cudatoolkit
# 查看可以用来安装的cudatoolkit的所有版本都有哪些
conda search cudatoolkit --info
# 查看所有列出来的cudatoolkit的详细信息，包括版本号version，文件网址url，依赖项dependencies
# 文件网址url：
# 直接conda install cudatoolkit，通常下载安装包的速度很慢，因而可以用上面给出的文件网址url来用下载工具去下载这个包，再去本地安装
# 依赖项dependencies：
# 想要使用cudatoolkit，还需要安装什么才可以使用。
执行conda search cudatoolkit --info命令后，会显示出源内所有的cuda版本，以及下载地址，如图所示
2.3下载cuda
找到自己想要的cuda版本后，先把cuda下载到本地。首先复制url字段里的下载链接，然后用命令cd到想要下载的目录，执行如下代码下载
wget 你刚刚复制的链接地址2.4安装cuda
执行如下命令进行安装，因为是通过本地安装的，所以需要写明本地包的路径
# 然后安装本地包
conda install --use-local 本地cuda包所在的路径3cudnn安装
3.1确定cudnn版本
在cudnn仓库中找到适用于某个cudatoolkit版本的cudnn版本
# cudnn仓库
https://developer.nvidia.com/rdp/cudnn-archive
# 如下
适用于CUDA 11.1 的 cudnn 有多个版本。
3.2查看conda仓库中有哪些cudnn版本
conda search cudnn
# 下图中cudnn 8.1.0.77 出现了两个版本，因而可以先运行一下conda install cudnn=8.1.0.77，看一下默认安装的是哪个版本，然后再决定去下载哪个版本的cudnn 8.1.0.77
# 查看详细信息，并根据提供的网址去下载到本地
conda search cudnn --info
# 之后本地安装即可
3.3下载cudnn版本
还是复制你想要版本的cudnn的下载地址，使用wget 链接地址进行下载
wget 链接地址3.4安装cudnn
conda install --use-local 本地cudnn包所在的路径
4测试安装是否成功
在虚拟环境中安装完cuda和cudnn想要测试是否安装成功，不能使用nvcc -V命令测试，需要
conda list | grep cuda也可以在虚拟环境中安装pytorch包进行测试,十分复杂不建议。
安装pytorch
首先安装与cuda相匹配的pytorch和torchvision包，可以去pytorch官网查询。
因为我的cuda版本是11.0，支持的pytorch版本为1.7.1，所以我安装的是这俩个，你可以根据你的需要安装。
conda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 cudatoolkit=11.0测试cuda版本
装好pytorch后，命令行输入python，进入python的命令行，导入torch包
查询cuda版本
print(torch.version.cuda)查询cudnn版本
print(torch.backends.cudnn.version())如图所示
5虚拟环境安装cuda和cudnn注意事项
注意1可以直接用conda install 包名==版本
在conda环境中，可以直接用conda装cuda和cudnn，缺点是conda源中没有全部版本的cuda和cudnn，而且更新较慢。
# 查看conda源中可以安装的cuda和cudnn版本
conda search cuda
conda search cudnn# 安装
conda install cuda==版本 # 可指定版本
conda install cudnn==版本 # 可指定版本
注意2pytorch只自动安装cuda
和安装tensorflow不同的是，pytorch官网介绍的安装命令附带了下载和安装cuda，但是没有附带cudnn，所以还需要额外安装cudnn。
如下：
按照上面的命令安装好（不用conda安装cudnn）之后，使用网上的“检测pytorch的gpu是否可用的命令“检测时显示gpu可用，但是没有cudnn，所以还是不能用。
# 检测pytorch的gpu是否可用的命令
import torch
torch.cuda.is_available()
所以要用conda命令安装cudnn
安装torch和torchvision时候，使用pip命令，不要用conda命令，很容易断掉
pip install torch==1.7.1+cu101 torchvision==0.8.2+cu101 torchaudio===0.7.2 -f https://download.pytorch.org/whl/torch_stable.html
注意3conda虚拟环境安装CUDA路径
# liux中
https://blog.csdn.net/Mr__George/article/details/102972958
注意4conda install临时用国内源
conda install cudatoolkit=9.0 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/linux-64/
conda install cudnn=7.1.4 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/linux-64/
#-c代表--channel
二.tensorflow与CUDA、cudnn的版本兼容
参考你所需要的Tensorflow版本,安装对应版本的cuda,这点很重要！！！！实际中强烈推荐严格按照对应关系进行环境的安装:tensorflow与CUDA、cudnn的版本向上兼容还是向下兼容说不清楚
https://tensorflow.google.cn/install/source_windows#tested_build_configurations
版本选择总结：
- 显卡版本一定不能低，而且支持向后兼容，因此越高越好。nvidia-smi查看Driver Version
对于pytorch：
- 可以进官网的install部分直接确定
对于tensorflow：
- 首先确定tensorflow和python的版本（python3.6支持多数版本，是个不错的选择）
- 如果需要gpu支持，查看tensorflow对应的tensorflow-gpu所需要的cuda和cudnn版本
安装流程总结：
流程1：
新建环境装python, 尝试先安装对应的cudatoolkit、cudnn（这个可以conda search cudnn），再装适合的tensorflow。
流程2：
已知所需tensorflow的版本，查找对应的python版本，新建环境装py，再装对应版本的tensorflow、cuda、cudnn。
一般在python中安装tensorflow的gpu版本时，pip会检查tensorflow依赖的其他的包，如果依赖的包没有安装，则会先安装最新版本的依赖包。这时候tensorflow的gpu版本依赖cudatoolkit和cudnn程序包，pip就会安装最新版本的cudatoolkit和cudnn程序包，最终导致gpu驱动版本和cuda运行时版本不匹配。
从驱动和运行时的版本对应关系来看，版本为384.81的驱动程序 对应的 运行时版本是9.0，也就是说我们在python中安装cudatoolkit和cudnn程序包版本9.2是过高了。
因为系统中依赖GPU驱动的程序比较多，一般出现这种情况，我们都是更改cudatoolkit和cudnn程序包的版本。
于是，先卸载python中安装cudatoolkit和cudnn程序包：pip uninstall cudnn ； pip uninstall cudatoolkit
然后安装对应版本的cudatoolkit和cudnn程序包：pip install cudatoolkit=9.0；pip install cudnn
注：不要自行安装CUDA和cuDNN，最简单有效的方法是通过Anaconda安装Tensorflow，让它自动安装正确的依赖
这个安装天时地利人和，必须各版本适配。非常建议！！网上查找自己显卡成功过的适配模式！！！下面分享一些安装成功的环境。愿大家都能成功！！！
cuda安装有anaconda管理，不直接安装于系统中！！如果你使用了anaconda，那么其实cuda套件安装过程十分简单。
三.conda安装和pip安装
在官方文档中介绍了在Anaconda中安装TensorFlow有两种方法，一种是使用conda安装，另一种是使用pip安装。在实际操作时发现由于网络原因，稍大一点的安装包就会长时间卡住无响应。可以考虑将需要的安装包下载后以local模式进行安装，在操作中发现pip安装可下载的资源比较多，而conda安装资源比较难找，所以采用pip的方式进行安装。
在conda安装时，可以看到TensorFlow需要依赖的package及版本如下：
请问大神们，pip install 和conda install有什么区别吗？ - HexUp的回答 - 知乎
请问大神们，pip install 和conda install有什么区别吗？ - PP鲁的回答 - 知乎
conda是否会使用pip install从pypi更新软件包? - IT屋-程序员软件开发技术分享社区
问题描述：我使用 Anaconda ，并且可以通过conda install获得这些软件包是相当广泛的.但是，有时候我确实需要安装conda存储库中不可用的软件包，因此请从pypi 取而代之. 运行命令conda update --all时，conda还会更新这些pypi软件包吗?还是我必须单独更新它们? conda文档似乎没有答案. 这个问题和答案似乎表明没有， conda不管理pypi软件包，但我仍然不确定.
推荐答案：否，conda update和conda install不会更新随pip安装的软件包(或使用pip安装的软件包).
这些conda命令仅检查您的默认" anaconda-通道或使用-c指定的通道，它们会忽略其他所有内容. conda list是一个例外，它还显示了随pip安装的软件包，这些软件包被标记为<pip>，并且不会被更新.
不止是tensorflow，在anaconda环境中安装其他包时，也有conda install和pip install两种方式，要根据需求选择合适的方式。安装相同的包时，一种方式不行，可以试试另一种。在anaconda环境中安装cuda和cudaa时，好像只有conda install一种方式。
在pip安装模式下，根据安装过程的提升，将对应版本的安装文件从本文最末的Python安装包下载地址中下载到本地。比如在此次安装过程中，参考链接作者手动下载了几个比较大的安装文件，如下所示。我认为有些麻烦了，网不好可以多等一会，也可以使用国内源，并且我安装的时候网还可以。
pip install numpy-1.11.2-cp27-cp27mu-manylinux1_x86_64.whl
pip install protobuf-3.0.0-py2.py3-none-any.whl
pip install tensorflow-0.11.0rc0-cp27-none-linux_x86_64.whl
Pytorch的安装需要在其官网上下载whl文件。但非常不幸的是，pytorch.org 需要，所以我将安装包下载下来，有需要的可以取用。
https://pan.baidu.com/s/1dfn2QgxZ3v17sdnz4vr1NA
在pytorch文件路径下输入
pip install torch-0.4.0-cp36-cp36m-linux_x86_64.whl
pip install torchvision操作实例：通过tensorflow cuda和cudnn的安装，介绍conda install和pip install两种安装方式
搜索Tensorflow：
安装之前可以搜索都有什么版本，是否有自己所需要的匹配版本：
conda search tensorflow-gpu
或 pip search tensorflow-gpupip search 无法正常工作，因为官网暂时关掉了这个功能，可以直接去官网搜索合适版本
安装tensorflow
conda install tensorflow-gpu #默认最新版本 当前为cuda 11.0
or
conda install tensorflow-gpu==1.14.0
pip install tensorflow-gpu==1.15.0
pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.2.0-cp35-cp35m-linux_x86_64.whl如果找不到合适的源，就指定合适的网址或者将conda换成pip
搜索keras版本：
conda search keras-gpu
或 pip search keras-gpu安装keras:
conda install keras-gpu==版本号
conda install keras==版本号安装cudatoolkit
conda install -c anaconda cudatoolkit #-c代表--channel。 它用于指定搜索包的频道 默认最新版本
or
conda install cudatoolkit=10.0 # 若需指定版本
安装cudnn
conda install -c anaconda cudnn #若上步指定了版本，这里将做自动匹配~
conda install cudnn = 7.3.1conda install -c spyder-ide spyder=3.0.0 加一个-c表示从http://anaconda.org下载资源包
有些包在conda默认的channels中不包含，比如cudatoolkit-8.0，cudnn等，这时只需要在conda install指令后加上-c anaconda即可。比如要下载cudatoolkit-8.0，在只需要输入
conda install -c anaconda cudatoolkit=8.0conda install -c anaconda - Runtime69 - 博客园
conda install临时用国内源
conda install cudatoolkit=9.0 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/linux-64/
conda install cudnn=7.1.4 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/linux-64/
#-c代表--channel并不是所有软件包都能直接安装，有一些需要指定安装源，例如做AI中经常会用到的OpenCV便是无法直接安装的，需要指定安装源，命令如下：(或者只用pip安装)
conda install --channel https://conda.anaconda.org/menpo opencv3各人建议安装这两个深度学习框架时，选择conda方法安装，可将相关联的软件包同时安装。pip安装通常时在有特殊需求不需要关联包时。安装opencv时可以使用pip方法安装。
利用pip安装时，通常官网会相对慢一些，可以选择国内的一些镜像，比如：
清华镜像：https://pypi.tuna.tsinghua.edu.cn/simple
阿里镜像：https://mirrors.aliyun.com/pypi/simple
豆瓣镜像：https://pypi.douban.com/simple
中国科技大学镜像：https://pypi.mirrors.ustc.edu.cn/simple
可根据以下为例应用：
pip install opencv-python -i https://pypi.tuna.tsinghua.edu.cn/simple
或 pip install opencv-python==3.4.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
四. 删除虚拟环境
删除整个环境：
conda remove -n 环境名称 --all
删除环境中的某个包：
conda remove --name 环境名称 包名称 如果出现安装不成功的情况，需要把相应已存在的tensorflow文件夹删除：
cd /home/amax/anaconda3/envs/
rm -r tensorflow/
ls #查看tensorflow文件夹是否删除exit。如果已删除成功，floww再次运rm行创建tensorflow环境命令即可。五.Bazel不用下载
看版本对照表时发现Bazel的对应，不知道是什么，是否下载
Bazel是谷歌开源编译工具，不用下载，进行tensorflow源码安装时才需要下载。
如何评价谷歌开源的Bazel编译工具？ - MKP的回答 - 知乎
虚拟环境中cuda版本与系统cuda版本不同有什么影响_bloomerOAO的博客-CSDN博客_cuda版本不同会影响模型结果
不踩坑：Ubuntu下安装TensorFlow的最简单方法（无需手动安装CUDA和cuDNN） - 知乎
conda虚拟环境中安装cuda和cudnn，再也不用头疼版本号的问题了_何飞飞的博客-CSDN博客_conda cudnn版本
在anaconda环境中使用conda命令安装cuda、cudnn、tensorflow（-gpu）、pytorch_hellopbc-CSDN博客_conda安装cuda
还在系统中安装CUDA？Anaconda虚拟环境中安装CUDA配合Tensorflow-gpu-多版本 - 简书
Ubuntu16.04 Anaconda创建虚拟环境Tensorflow+keras+opencv_wuhongwuyan的博客-CSDN博客
7.Ubuntu16.04安装Anaconda、TensorFlow教程_xjtuse123的博客-CSDN博客_ubuntu中anaconda安装tensorflow
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
