Tensorflow1.15环境配置

Tensorflow1.15 环境配置

最近在复现2015年左右的论文，代码比较旧，用的是tensorflow1.x，30系列显卡在window系统下配起来遇到很多bug，在此简单整理一下遇到的问题以及解决方法，以便后续研究需要。

1.在Linux服务器上安装Anaconda

• 下载anaconda的安装包

  wget https://repo.anaconda.com/archive/Anaconda3-5.3.0-Linux-x86_64.sh
  

• 安装anaconda

  依次输入下面两句命令:
  chmod +x Anaconda3-5.3.0-Linux-x86_64.sh
  ./Anaconda3-5.3.0-Linux-x86_64.sh
  

• 参考博客

2.Tensorflow1.15的环境配置

  conda create -n tf1 python=3.6.0 # 配置环境
  conda install tensorflow==1.15.0
  conda install --channel https://conda.anaconda.org/hanyucui tensorflow-gpu=1.15 # 下载/安装tensorflow
  conda install cudnn==7.4.1 # 下载cudnn
  conda install cudatoolkit==10.0.130

• 参考博客：
  1.30系显卡配置tensorflow1.x环境
  2.Tensorflow与Python、CUDA、cuDNN的版本对应表

3.Vscode无法使用python3.6进行debug

• 问题由于python开发组已停止对python3.6的维护，导致vscode当前新版本的python插件无法使用，且无法对代码debug。
• 解决方案

4.在服务器上跑ipynb文件

• 服务器上安装 ipykernel

  conda install ipykernel
  

• 服务器远程使用jupyter
  • 生成配置文件

    jupyter notebook --generate-config
    

  • 设置密码

    jupyter notebook password
    

  • 设置远程ip可访问
    找到配置文件打开并设置如下：

    c.NotebookApp.ip = '*'    #允许所有ip访问，很重要
    c.NotebookApp.open_browser = False    #不打开浏览器
    c.NotebookApp.port = 8888             #端口为8888，可以自己设置
    

• 在jupyter添加kernel
  首先使用conda进入想要添加的环境的虚拟环境，然后使用which python查看当前虚拟环境python所在的路径，然后cd进入该文件夹。

  python -m ipykernel install --user --name [虚拟环境名] --display-name [想要在jupyter上显示的环境名]
  

• 参考博客