首先,我对自己装环境之前的困惑进行总结。
1.实验室服务器上有cuda版本,还需要自己在重新装cuda toolkit吗?答案是肯定的,服务器上含有的只是cuda的驱动。
2.想要安装tensorflow-gpu版本的,那么安装软件的顺序是什么呢?答案是:cudatoolkit→cudnn→tensorflow-gpu,一定要按顺序安装,防止出现错误。
其次,既然已经搞清楚相关的安装内容,那下面就开始安装吧,这里我首先采用的手动安装cudatoolkit,从官网下载安装包,在服务器上进行安装,但是由于没有权限的原因,一直失败,没有成功。之后采用直接安装指定的tensorflow版本,但是一直报错说没有找到相对应的,一直失败。
然后,我找到了一个视频,按着相关的步骤,成功的安装tensorflow-gpu。下面对具体的步骤进行总结。
- 第一步,要确认自己的python是否为3.8版本,ubuntu16.04或更高版本。这里安装tensorflow-gpu要求python版本为3.5-3.7。(自己的python为3.8,对tensorflow-gpu进行安装,cudatoolkit→cudnn都安装成功,但是找不到对应的tensorflow-gpu版本,安装失败)
- 第二步,如果自己的python版本大于3.7,那么需要对自己的python进行版本下降。
实现的代码为:
python #查看当前Python的版本
conda search --full --name python # 查看可选版本
conda install python=3.7.6 #提示是否将python3.8.6降级为python3.7.6,输入“y”执行
3.第三步:
4.第四步:
5.关于cuda和cudnn以及Tensorflow版本的匹配,可以参考下面这张图:
也可以访问这个链接进行查询:https://tensorflow.google.cn/install/source
6.安装cuda和cudnn不需要手动安装,用conda自动安装更方便。
安装cudatoolkit的代码:
conda install cudatoolkit=10.1
安装cudnn的代码:
conda install cudnn=7.6.5
7.安装tensorflow-gpu的代码:
pip install tensorflow-gpu==2.3.0 -i https://pypi.douban.com/simple
8.安装测试,测试的代码如下:
import tensorflow as tf
tf.__version__ #测试cpu版
tf.test.is_gpu_available() #测试GPU
版
成功的界面如下所示:
最后是参考的视频链接:
https://www.bilibili.com/video/BV1PV411U7vc?from=search&seid=17923848585727527631