文章目录
前言
本文介绍如何搭建深度学习平台,并在jupyter notebook上运行。
一、Tensorflow
最好新建一个虚拟环境,搭建深度学习平台最让人头疼的莫过于各种包版本兼容问题,我试了两个版本,很幸运第二个版本就可以了(如下)。首先建议不要安装过高的版本,因为在网上很难找到合适的搭配,一开始我安了tensorflow2.8(最新版本),但找不到对应的cuda和cuda版本信息,让人头痛。后来用python3.7来安装tf_2.7(亲测有效)。
# python=3.7 + tensorflow=2.7.0 + numpy=1.20.1 + cuda=11.3.1 + cudnn=8.2.1
要特别注意tensorflow和numpy版本兼容问题,最新的numpy版本太高,甚至无法兼容刚发布的tensorflow2.8,因此安装的时候也要特别注意,一般教程都说安装tensorflow的时候会自动安装numpy,但咱就是说,经过多次失败,漏!安装tensorflow的时候给你安装的是最新的numpy版本,并不会自动匹配兼容的版本,安装的时候不会报错但是使用的时候会出现以下错误,所以安装tensorflow前先安装指定版本的numpy,至于哪个版本就需要提前做功课,我试的经验来说tf2.7,2.8版本都可以和numpy1.20.1版本兼容。也不要安装太低版本的tensorflow,除了更新问题外,我看很多低版本的tensorflow都可以和numpy1.19.5兼容,但我尝试安numpy1.19.5时,报了错无法安装,具体忘记了什么问题,大概就是numpy1.19.5对于我当前的系统来说版本过低。
error:Cannot convert a symbolic Tensor (lstm_8/strided_slice:0) to a numpy array. This error may indicate ...
安装步骤:
1、先安装cudatoolkit,
你可以先用conda install cudatoolkit=11.3.1试试,
如果出现问题去给出的网址(https://anaconda.org/)搜索相应的包,找到需要的版本(如图),用里面的命令来安装,下面的每个包俺都是直接去找对应的版本。
conda install -c anaconda cudatoolkit=11.3.1
2、安装cuddn
conda install -c anaconda cudnn=8.2.1
3、这里就要注意了,咱们先下手为强,先装numpy
conda install -c esri numpy=1.20.1
4、安装tensorflow
conda install -c conda-forge tensorflow=2.7.0
这样tensorflow就装好了,可以不用装keras,因为tensorflow里面有,后面需要seaborn,sklearn等库时,可以用conda,如果提醒有冲突改用pip来装(我的是这样,但可以混合使用)。
二、screen命令
最近发现一个很实用的命令screen,窗口管理,主要用于执行长时间不能中断的备份、测试和传输任务等(恢复会话);以及共享终端会话窗口(窗口共享)。简单来说可以新开一个或者几个窗口,在新的窗口运行你的程序,你可以返回到连接的会话窗口或者其他窗口,而保证程序不会中断。
使用screen自动启动一个 Screen 会话后,终端进入screen
#你也可以指定会话名,创建一个新的会话
screen -s <新的会话名>
#查看所有的screen会话
screen -ls
#进入某个会话
screen -r <会话名>
#脱离某个会话回到连接窗口
Ctrl a+d ,回到原来的shell会话,不会影响后台在运行的程序。
运行jupyter notebook
jupyter notebook --ip=0.0.0.0 --no-browser --allow-root &
#如何连接服务器请参考我的上一篇文章
总结
本文仅介绍我安装成功的tensorflow环境,如有其他的版本配置可以在评论区留言哟。