ubantu18.04 RTX2070使用anaconda3安装tensorflow-gpu

最新推荐文章于 2024-03-01 17:28:17 发布
最新推荐文章于 2024-03-01 17:28:17 发布
阅读量1.1k 收藏 4
点赞数
分类专栏： 环境安装 tensorflow
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_42412214/article/details/94917609
版权

版本问题：

RTX2070是nvidia出的新一代20系列显卡，都是图灵架构。要配合cuda10的版本，而且tensorflow 也要选择1.13版本。于是装了cuda最新的10.1，安装完毕，在import tensorflow时，报importError：DLL load failed：找不到指定的模块“这个错误，在另一篇文章中我已经说过，这个错误基本都是版本不对应的问题。于是想着是不是cuda版本太高了，卸载cuda10.1,重新安装cuda10.0，问题解决。
原文：https://blog.csdn.net/zhengxinjie2/article/details/89289544

 

本文使用anaconda安装tensorflw-gpu，会自动匹配安装cuda和cudnn，已安装conda请直接跳到4安装tensorflow

也可以手动用conda安装：

安装cuda:

    conda install cudatoolkit=8.0 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/linux-64/

安装cudnn:

    conda install cudnn=7.0.5 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/linux-64/

下图展示的是安装CUDA和CUDNN以后的路径。
这里的安装路径没有单独形成cuda文件夹，都是统一存放在envs下的虚拟环境lib、include文件夹下

 

不使用conda时cuda和cudnn的安装过程见https://blog.csdn.net/qq_42412214/article/details/90142731

附：anaconda对应的python版本

首先解释一下上表。 anaconda在每次发布新版本的时候都会给python3和python2都发布一个包，版本号是一样的。

表格中，python版本号下方的离它最近的anaconda包就是包含它的版本。

举个例子，假设你想安装python2.7.14，在表格中找到它，它下方的三个anaconda包（anaconda2-5.0.1、5.1.0、5.2.0）都包含python2.7.14；

假设你想安装python3.6.5，在表格中找到它，它下方的anaconda3-5.2.0就是你需要下载的包；

假设你想安装python3.7.0，在表格中找到它，它下方的anaconda3-5.3.0或5.3.1就是你需要下载的包；

原文：https://blog.csdn.net/yuejisuo1948/article/details/81043823

也就是说，anaconda3-5.2.0只能安装3.6.5以下的python
 

1、安装anaconda3参考：

https://blog.csdn.net/qq_15192373/article/details/81091098

安装完成后需重启终端，或者输入source ~/.bashrc

再输入python就会进入anaconda的python版本

 

2、安装显卡驱动nvidia-driver

第一：检查显卡和推荐驱动：

ubuntu-drivers devices

若无显示，则先添加NVIDIA的PPA：

sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt update

显示推荐的驱动：

jason@jason:~$ ubuntu-drivers devices
== /sys/devices/pci0000:00/0000:00:01.0/0000:01:00.0 ==
modalias : pci:v000010DEd00001F07sv000010DEsd000012ADbc03sc00i00
vendor   : NVIDIA Corporation
driver   : nvidia-driver-415 - third-party free
driver   : nvidia-driver-410 - third-party free
driver   : nvidia-driver-430 - third-party free recommended
driver   : nvidia-driver-418 - third-party free
driver   : xserver-xorg-video-nouveau - distro free builtin

选择410版本

首先添加apt-get的清华源，使安装速度更快：https://blog.csdn.net/qq_42412214/article/details/89055720

然后使用如下命令安装，这一步时间较长

sudo apt-get install nvidia-driver-410

安装成功：

jason@jason:~$ nvidia-smi
Sun Jul  7 02:00:19 2019       
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 410.104      Driver Version: 410.104      CUDA Version: 10.0     |
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|===============================+======================+======================|
|   0  GeForce RTX 2070    Off  | 00000000:01:00.0 Off |                  N/A |
| 41%   49C    P0    39W / 185W |    196MiB /  7952MiB |      1%      Default |
+-------------------------------+----------------------+----------------------+
                                                                               
+-----------------------------------------------------------------------------+
| Processes:                                                       GPU Memory |
|  GPU       PID   Type   Process name                             Usage      |
|=============================================================================|
|    0      1054      G   /usr/lib/xorg/Xorg                           106MiB |
|    0      1285      G   /usr/bin/gnome-shell                          88MiB |
+-----------------------------------------------------------------------------+

 

3、使用conda建立名为my-py-env的python环境

1）添加anaconda国内源，使anaconda安装环境更快

将以下配置文件写在~/.condarc中（初始为空文件）
vim ~/.condarc

channels:
  - https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
  - https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
  - defaults
show_channel_urls: true

原文：https://blog.csdn.net/observador/article/details/83618540

此处感觉添加的源网址有些少，部分包还是从官网上下的

2）建立一个新的python环境，名为my-py-env，使用python3.6.5

参考：https://blog.csdn.net/qq_31456593/article/dpetails/89090156

conda create -n my-py-env python=3.6.5

安装完成：

Preparing transaction: done
Verifying transaction: done
Executing transaction: done
#
# To activate this environment, use:
# > source activate my-py-env
#
# To deactivate an active environment, use:
# > source deactivate

若删除该python环境：

conda remove -n my-py-env --all

 

4、安装tensorflow

查看可用tensorflow版本参考：https://blog.csdn.net/shiheyingzhe/article/details/80863422

在新建的python环境安装tensorflow命令参考：https://www.jianshu.com/p/e6a9aa0e671b

jason@jason:~$ conda install -n my-py-env tensorflow-gpu
Solving environment: done


==> WARNING: A newer version of conda exists. <==
  current version: 4.5.4
  latest version: 4.7.5

Please update conda by running

    $ conda update -n base conda



## Package Plan ##

  environment location: /home/jason/anaconda3/envs/my-py-env

  added / updated specs: 
    - tensorflow-gpu


The following packages will be downloaded:

    package                    |            build
    ---------------------------|-----------------
    cudnn-7.6.0                |       cuda10.0_0       216.6 MB  https://mirrors.ustc.edu.cn/anaconda/pkgs/main
    cupti-10.0.130             |                0         1.8 MB  https://mirrors.ustc.edu.cn/anaconda/pkgs/main
    markdown-3.1.1             |           py36_0         113 KB  https://mirrors.ustc.edu.cn/anaconda/pkgs/main
    hdf5-1.10.4                |       hb1b8bf9_0         5.3 MB  https://mirrors.ustc.edu.cn/anaconda/pkgs/main
    scipy-1.2.1                |   py36h7c811a0_0        17.7 MB  https://mirrors.ustc.edu.cn/anaconda/pkgs/main
    termcolor-1.1.0            |           py36_1           7 KB  https://mirrors.ustc.edu.cn/anaconda/pkgs/main
    cudatoolkit-10.0.130       |                0       380.0 MB  https://mirrors.ustc.edu.cn/anaconda/pkgs/main
    blas-1.0                   |              mkl           6 KB  https://mirrors.ustc.edu.cn/anaconda/pkgs/main
    mock-3.0.5                 |           py36_0          47 KB  https://mirrors.ustc.edu.cn/anaconda/pkgs/main
    mkl-2019.4                 |              243       204.1 MB  https://mirrors.ustc.edu.cn/anaconda/pkgs/main
    numpy-base-1.16.4          |   py36hde5b4d6_0         4.4 MB  https://mirrors.ustc.edu.cn/anaconda/pkgs/main
    libgfortran-ng-7.3.0       |       hdf63c60_0         1.3 MB  https://mirrors.ustc.edu.cn/anaconda/pkgs/main
    grpcio-1.14.1              |   py36h9ba97e2_0         1.0 MB  https://mirrors.ustc.edu.cn/anaconda/pkgs/main
    werkzeug-0.15.4            |             py_0         262 KB  https://mirrors.ustc.edu.cn/anaconda/pkgs/main
    _tflow_select-2.1.0        |              gpu           2 KB  https://mirrors.ustc.edu.cn/anaconda/pkgs/main
    protobuf-3.8.0             |   py36he6710b0_0         690 KB  https://mirrors.ustc.edu.cn/anaconda/pkgs/main
    intel-openmp-2019.4        |              243         876 KB  https://mirrors.ustc.edu.cn/anaconda/pkgs/main
    tensorflow-estimator-1.13.0|             py_0         205 KB  https://mirrors.ustc.edu.cn/anaconda/pkgs/main
    numpy-1.16.4               |   py36h7e9f1db_0          49 KB  https://mirrors.ustc.edu.cn/anaconda/pkgs/main
    mkl_random-1.0.2           |   py36hd81dba3_0         407 KB  https://mirrors.ustc.edu.cn/anaconda/pkgs/main
    mkl_fft-1.0.12             |   py36ha843d7b_0         172 KB  https://mirrors.ustc.edu.cn/anaconda/pkgs/main
    h5py-2.9.0                 |   py36h7918eee_0         1.2 MB  https://mirrors.ustc.edu.cn/anaconda/pkgs/main
    six-1.12.0                 |           py36_0          22 KB  https://mirrors.ustc.edu.cn/anaconda/pkgs/main
    tensorboard-1.13.1         |   py36hf484d3e_0         3.3 MB  https://mirrors.ustc.edu.cn/anaconda/pkgs/main
    libprotobuf-3.8.0          |       hd408876_0         4.7 MB  https://mirrors.ustc.edu.cn/anaconda/pkgs/main
    absl-py-0.7.1              |           py36_0         157 KB  https://mirrors.ustc.edu.cn/anaconda/pkgs/main
    tensorflow-1.13.1          |gpu_py36h3991807_0           4 KB  https://mirrors.ustc.edu.cn/anaconda/pkgs/main
    gast-0.2.2                 |           py36_0         138 KB  https://mirrors.ustc.edu.cn/anaconda/pkgs/main
    tensorflow-gpu-1.13.1      |       h0d30ee6_0           2 KB  https://mirrors.ustc.edu.cn/anaconda/pkgs/main
    c-ares-1.15.0              |       h7b6447c_1          98 KB  https://mirrors.ustc.edu.cn/anaconda/pkgs/main
    keras-applications-1.0.8   |             py_0          33 KB  https://mirrors.ustc.edu.cn/anaconda/pkgs/main
    astor-0.7.1                |           py36_0          43 KB  https://mirrors.ustc.edu.cn/anaconda/pkgs/main
    tensorflow-base-1.13.1     |gpu_py36h8d69cac_0       293.8 MB  https://mirrors.ustc.edu.cn/anaconda/pkgs/main
    keras-preprocessing-1.1.0  |             py_1          36 KB  https://mirrors.ustc.edu.cn/anaconda/pkgs/main
    ------------------------------------------------------------
                                           Total:        1.11 GB

The following NEW packages will be INSTALLED:

    _tflow_select:        2.1.0-gpu                 https://mirrors.ustc.edu.cn/anaconda/pkgs/main
    absl-py:              0.7.1-py36_0              https://mirrors.ustc.edu.cn/anaconda/pkgs/main
    astor:                0.7.1-py36_0              https://mirrors.ustc.edu.cn/anaconda/pkgs/main
    blas:                 1.0-mkl                   https://mirrors.ustc.edu.cn/anaconda/pkgs/main
    c-ares:               1.15.0-h7b6447c_1         https://mirrors.ustc.edu.cn/anaconda/pkgs/main
    cudatoolkit:          10.0.130-0                https://mirrors.ustc.edu.cn/anaconda/pkgs/main
    cudnn:                7.6.0-cuda10.0_0          https://mirrors.ustc.edu.cn/anaconda/pkgs/main
    cupti:                10.0.130-0                https://mirrors.ustc.edu.cn/anaconda/pkgs/main
    gast:                 0.2.2-py36_0              https://mirrors.ustc.edu.cn/anaconda/pkgs/main
    grpcio:               1.14.1-py36h9ba97e2_0     https://mirrors.ustc.edu.cn/anaconda/pkgs/main
    h5py:                 2.9.0-py36h7918eee_0      https://mirrors.ustc.edu.cn/anaconda/pkgs/main
    hdf5:                 1.10.4-hb1b8bf9_0         https://mirrors.ustc.edu.cn/anaconda/pkgs/main
    intel-openmp:         2019.4-243                https://mirrors.ustc.edu.cn/anaconda/pkgs/main
    keras-applications:   1.0.8-py_0                https://mirrors.ustc.edu.cn/anaconda/pkgs/main
    keras-preprocessing:  1.1.0-py_1                https://mirrors.ustc.edu.cn/anaconda/pkgs/main
    libgfortran-ng:       7.3.0-hdf63c60_0          https://mirrors.ustc.edu.cn/anaconda/pkgs/main
    libprotobuf:          3.8.0-hd408876_0          https://mirrors.ustc.edu.cn/anaconda/pkgs/main
    markdown:             3.1.1-py36_0              https://mirrors.ustc.edu.cn/anaconda/pkgs/main
    mkl:                  2019.4-243                https://mirrors.ustc.edu.cn/anaconda/pkgs/main
    mkl_fft:              1.0.12-py36ha843d7b_0     https://mirrors.ustc.edu.cn/anaconda/pkgs/main
    mkl_random:           1.0.2-py36hd81dba3_0      https://mirrors.ustc.edu.cn/anaconda/pkgs/main
    mock:                 3.0.5-py36_0              https://mirrors.ustc.edu.cn/anaconda/pkgs/main
    numpy:                1.16.4-py36h7e9f1db_0     https://mirrors.ustc.edu.cn/anaconda/pkgs/main
    numpy-base:           1.16.4-py36hde5b4d6_0     https://mirrors.ustc.edu.cn/anaconda/pkgs/main
    protobuf:             3.8.0-py36he6710b0_0      https://mirrors.ustc.edu.cn/anaconda/pkgs/main
    scipy:                1.2.1-py36h7c811a0_0      https://mirrors.ustc.edu.cn/anaconda/pkgs/main
    six:                  1.12.0-py36_0             https://mirrors.ustc.edu.cn/anaconda/pkgs/main
    tensorboard:          1.13.1-py36hf484d3e_0     https://mirrors.ustc.edu.cn/anaconda/pkgs/main
    tensorflow:           1.13.1-gpu_py36h3991807_0 https://mirrors.ustc.edu.cn/anaconda/pkgs/main
    tensorflow-base:      1.13.1-gpu_py36h8d69cac_0 https://mirrors.ustc.edu.cn/anaconda/pkgs/main
    tensorflow-estimator: 1.13.0-py_0               https://mirrors.ustc.edu.cn/anaconda/pkgs/main
    tensorflow-gpu:       1.13.1-h0d30ee6_0         https://mirrors.ustc.edu.cn/anaconda/pkgs/main
    termcolor:            1.1.0-py36_1              https://mirrors.ustc.edu.cn/anaconda/pkgs/main
    werkzeug:             0.15.4-py_0               https://mirrors.ustc.edu.cn/anaconda/pkgs/main

Proceed ([y]/n)?

输入yes进行安装

conda install -n my-py-env tensorflow-gpu==XXX可以选择版本

安装成功

jason@jason:~$ source activate my-py-env
(my-py-env) jason@jason:~$ python
Python 3.6.5 |Anaconda, Inc.| (default, Apr 29 2018, 16:14:56) 
[GCC 7.2.0] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> import tensorflow as tf
>>> tf.__version__
'1.13.1'

 

jasonxu666
关注
  • 0
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
ubantu18.04中vasp安装文件
04-18
在ubantu18.04系统中vasp计算平台的安装及编译需要用到的安装文件，解决查找资源的烦恼
_tflow_select-2.3.0-mkl.tar.bz2
06-21
Anaconda必备的安装包，离线下载下来的，需要的自己取
linux cuda10安装pytorch1.13
kkae8643150的专栏
10-23 2871
前言 为了使用HRNet，需要安装pytorch环境。有了以前的挖坑经验，直接去到官网 https://pytorch.org/get-started/locally/ 安装记录 环境：ubuntu18.0.4 cuda10.0 conda我这以前装过了,创建一个python3.7的虚拟环境。 1） 然后是Pytorch,看了一下官网教程，居然只写道cuda9.0。抱着不死心的态度试了下： co...
Anaconda安装tensorflow-gpu
最新发布
m0_70653651的博客
03-01 543
安装tensorflow花了我几乎一天，各种五花八门的错误都遇上了吧。现在终于装好了，把成功实践的过程记录在这里，可供大家参考。3、用清华镜像源下载tensorflow-gpu。安装成功后重新安装tensorflow即可。这里的tf是虚拟环境的名称，可以自己取；
[成功]Ubuntu16.04、py27虚拟环境下搭建深度学习框架（基于尝试六）[成功]
方小汪的博客
12-06 387
1、conda安装尝试 NVIDIA-Linux-x86_64-390.87.run（已安装） cuda_9.0.176_384.81_linux.run（有） cudnn7（无） GCC 4.8（无） Bazel 0.10.0（无） tensorflow_gpu-1.8.0（无） 添加conda国内镜像： conda config --add channels https://mirrors.t...
CentOS+MKL+Mxnet+opencv编译成C++库
weixin_41910772的博客
03-05 453
CentOS+MKL+Mxnet+opencv编译成C++库 目录 CentOS+MKL+Mxnet+opencv编译成C++库 前言 一、下载 1. mxnet1.3.0，在github下下载即可，注意查看3rdparty中的第三方库是否下载完全 2. opencv3.4.1，这个也直接在github上下载即可 3. MKL：由于intel官网更新成onednn，所以之前版本的MKL不太好找，这里附上链接，需要注册登录下载：MKL下载地址 4. MKLML：由于在mxnet1..
安装MKL
代码小哥的博客
08-28 1万+
此方案用于在Ubuntu系统中安装MKL
tensorflow-gpu2.x+pytorch安装教程
outtt的博客
03-29 469
注意，这里我们讲的是如何用annaconda3安装tensorflow-gpu2.x+pytorch 因此就考虑到两种框架的兼容性问题，不能贸然安装 先看到tensorflow官网 https://tensorflow.google.cn/install 里面提示用pip安装，而我们要用Conda安装，显然不符合要求 然后看到pytorch官网 https://pytorc...
Tensorflow-gpu安装教程（详细）！！！
m0_68233404的博客
01-04 6万+
在安装过程中呢，最重要的莫过于tensorflow，python及其依赖项的版本对应了，如果安装了版本不对应的cuda或者cudnn，可能会导致一系列的问题而最终不能正常地调用设备的GPU进行工作了。所以我们在安装的时候必须时刻注意它们之间的版本对应关系，如果说在安装过程中出现了与之前安装的tensorflow版本间的冲突，最简单也是最有效办法就是，在安装之前把之前安装的版本及其依赖项卸载干净，然后再进行安装。
Anaconda3安装tensorflow及tensorflow-gpu
Mike
06-06 1184
Anaconda安装tensorflow
搭建基于CUDA 10 + RTX 2070 + Ubuntu18.04 的深度学习服务器并配置Jupyter Notebook外网访问
RotundJere的博客
04-21 1357
搭建基于CUDA 10 + RTX 2070的深度学习服务器 配置： CPU：Intel i5-8500 GPU：Nvidia RTX 2070 MEM：8G x 2 SSD: Intel 760p 256G 步骤： 安装Ubuntu 18.04 配置Ubuntu 配置CUDA 10，pytorch 配置网络映射 配置jupyter notebook远程访问 配置国内源 sudo ged...
双系统安装Ubantu18.04 + RTX2070 + CUDA10.1 + Cudnn+anaconda3+tensorflow-gpu
weixin_40779727的博客
05-22 3094
双系统安装Ubantu18.04 + RTX2070 + CUDA10.1 + Cudnn7.5.1+anaconda3+tensorflow-gpu 参考博客 http://www.tuicool.com/articles/JvUvQjZ https://blog.csdn.net/10km/article/details/61191230 https://blog.csdn.net/wf199...
Linuxubantu18.04下virtualenv安装配置
12-22
Linux/ubantu18.04下virtualenv安装配置 1.安装 sudo apt-get install python3-virtualenv virtualenv [虚拟环境名称] 如，创建**ENV**的虚拟环境 virtualenv ENV 默认情况下，虚拟环境会依赖系统环境中的site ...
ubantu18.04
06-07
ubantu18.04下载资源文件，有需要ubantu系统的可以进行下载
Ubuntu 16.04 安装 TensorFlow后 python 中import tensorflow as tf 时出错-附件资源
03-05
Ubuntu 16.04 安装 TensorFlow后 python 中import tensorflow as tf 时出错-附件资源
官网文档_在Ubuntu上安装 TensorFlow  _  TensorFlow
09-10
本文为在 Ubuntu上安装 TensorFlow的官方文档。 提供给被墙用户参考用。
ubuntu16 + rtx2080 搭建深度学习环境
zhuoyueljl的博客
04-07 2196
1、先更新一下系统：建议将源换成aliyun的源 sudo apt-get update sudo apt-get dist-upgrade 2、安装RTX2080显卡驱动 2.1添加开源显驱仓库 sudo add-apt-repository ppa:graphics-drivers/ppa sudo apt-get update 2.2安装一些依赖 sudo apt-get...
Ubuntu安装Tensorflow（GPU版)
热门推荐
乐多的博客
05-12 10万+
花了一天时间装了个tensorflow，写个教程供网友参考也防止自己忘了 先说一下环境配置： 系统：Ubuntu16.04 GPU: Titan X 注意：安装之前一定要先把CUDA和cuDNN的版本搞清楚了，因为CUDA与cuDNN的版本必须要和Tensorflow的版本对应上，否则即使安装成功，最后在python环境里导入tensorflow时也会报错。如下图所示，本文选择的版本是Te...
anaconda3配置tensorflow-gpu详解
qq_37601846的博客
11-26 763
本文主要总结自己配置gpu版的tensorflow，电脑配置和各个软件版本如题目所示 首先是要看自己的n卡是不是能用cuda（现在的卡好像一般都可以用八），然后根据下图： 该图来自于 链接：https://pan.baidu.com/s/1BBOQicd_3pTEWOoiWR9WhQ 提取码：opbt ...
jetson nano ubantu18.04lit,安装anaconda
05-17
您可以按照以下步骤在Jetson Nano上安装Anaconda： 1. 在Jetson Nano上下载Anaconda的Linux发行版，可以在Anaconda官网上下载。 2. 下载完成后，在终端中进入下载目录，运行以下命令解压下载的Anaconda文件： ``...

“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
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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