Linux搭建深度学习平台tensorflow，并使用jupyter notebook远程访问服务器。

文章目录

前言

一、Tensorflow

二、screen命令

运行jupyter notebook

---

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。