Ubuntu16.4中使用anaconda安装TensorFlow-GPU 的简便方法

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/shiheyingzhe/article/details/80863422

简单方法是基于anaconda中的conda的

稍微复杂点的方法点击ubuntu16.04中安装cuda和cudnn

首先在Ubuntu16.4中下载anaconda Linux版本,进入文件下载以后的目录,运行命令

sudo bash Anaconda*.sh

接下来按住Enter键阅读licence协议,阅读完以后,输入yes接受协议
yes

之后看自己的需求可以输入相应配置信息,也可以直接按enter键保持默认配置,最后需要确认是否将anaconda加入到环境变量中,这里需要输入yes,若输入的是no,需要使用命令打开./bashrc文件

sudo gedit ~/.bashrc

然后在.bashrc文件中添加以下内容

export PATH="/opt/anaconda3/bin:$PATH"

然后使用命令source ~/.bashrc使环境变量配置立即生效
输入conda list出现一个列表时就配置好了

安装NVIDIA的驱动

在dash中搜索gen,然后打开软件与更新,点击附加驱动,选择一个合适的NVIDIA驱动版本,点击应用更改,等待驱动安装完成,之后重启系统。

找到合适的TensorFlow-GPU版本以及对应的cuda、cudnn版本

这里不需要单独安装cuda和cudnn,conda会下载并安装好,不需要考虑版本依赖的问题,简便的地方就是这里了。conda就已经做好了,而且还是多个版本的,根据需要安装对应版本的
输入命令查看可用版本的tensorflow-gpu ,从图中可以看到,Version是tensorflow-gpu的版本,Build是对应python的版本、cuda的版本,cudnn的版本,看自己需要什么样的python版本安装对应的,但是这里的tensorflow-gpu版本都不是最新的,最新支持的是1.2.1版本。
从这里可以看到cuda和cudnn的版本依赖关系,这个依赖关系不仅支持图中的tensorflow-gpu版本,还支持其他的版本,作者安装的其他tensorflow-gpu版本就是根据图中的依赖关系来的cuda8.0对应cudnn6.0_0

conda search tensorflow-gpu

 

输入命令安装tensorflow-gpu,可以看到需要下载cudatoolkit8.0.0、cudnn-6.0.21、tensorflow-gpu等这些依赖包,不需要我们自己去配环境了,其中的cudatoolkit就是常说的cuda了。输入y就可以安装的。

conda install tensorflow-gpu==1.10.1

 

tensorflow-gpu1.10.0安装好以后输入命令,导入包没问题,输出tensorflow的版本号,就说明安装好了,运行tensorflow程序时,可以通过nvidia-smi查看显卡的运行状况。

python
import tensorflow as tf
print(tf.__version__)

现在conda可以安装tensorflow-gpu 1.9、1.10版本的,没有实际用过不知道效果如何
 
输入命令conda install tensorflow-gpu==1.9.0

conda install tensorflow-gpu==1.9.0

总结:没实际使用过,不知道包完不完整效果如何?Ubuntu编译opencv的时候,需要注释掉anaconda的环境变量,不然很容易报错Ubuntu16.4安装并配置OpenCV

参考内容:
Python学习之Anaconda的使用及配置方法
Ubuntu 16.04 安装Anaconda3
深度学习(TensorFlow)环境搭建:(三)Ubuntu16.04+CUDA8.0+cuDNN7+Anaconda4.4+Python3.6+TensorFlow1.3
我的AI之路(5)--如何选择和正确安装跟Tensorflow版本对应的CUDA和cuDNN版本
利用conda安装指定版本的tensorflow

 

展开阅读全文

没有更多推荐了,返回首页