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
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
- 生成配置文件
- 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