docker tensorflow-gpu cuda10.2踩坑

最新推荐文章于 2025-01-31 12:16:17 发布

原创最新推荐文章于 2025-01-31 12:16:17 发布 · 374 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#tensorflow #docker #python #人工智能 #深度学习

本文介绍如何解决CUDA 10.2与TensorFlow-GPU 2.1版本之间的兼容性问题，特别针对Python 3.8的支持不足。通过使用Docker容器并配置合适的Python版本来实现解决方案。

cuda10.2对应tensorflow-gpu版本2.1

tensorflow-gpu 2.1不支持python3.8

解决方法：

docker pull opensciencegrid/tensorflow-gpu:2.3-cuda-10.1

进入容器，更改默认python2.7为3.6

update-alternatives --install /usr/bin/python python /usr/bin/python3 150

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

Replete

关注关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

Docker【部署 05】docker使用tensorflow-gpu安装及调用GPU踩坑记录

Java与大数据相关实践内容分享！

10-11

2579

docker使用tensorflow-gpu安装及调用GPU踩坑记录

tensorflow-GPU docker运行

weixin_42749767的博客

10-13

2199

1.tensorflow安装版本介绍在服务器上部署的时候，可能宿主机直接用apt install安装的CUDA9.1（ubuntu18.04支持apt install 安装CUDA9.1）,此时用pip install tensorflow–gpu 安装的 1.11.0 不能支持CUDA9.1。所以此时可以采用两种方案，一种是直接安装编译好的 tensorflow-gpu。由于已经在CUDA9...

参与评论您还未登录，请先登录后发表或查看评论

docker安装tensorflow-gpu

random_repick的专栏

12-11

841

1.因为之前安装别的框架已经安装过NVIDIA驱动，所以不知道需不需要先装驱动。个人建议先安装驱动，看这里。 2.根据官网安装docker sudo apt-get remove docker docker-engine docker.io containerd runc sudo apt-get update sudo apt-get install \ apt-transport-https \ ca-certificates \ curl \ gnupg-agent.

Docker搭建tensorflow-gpu环境

qq_31638535的博客

11-01

2653

前言：连续配了几个晚上，搞深度学习的环境，之前配成功过，但是这次再配的时候，发现遇到的坑和以前不一样，算了，直接上Docker大法，不想为环境再浪费宝贵的时间首先我们先了解一下，docker配深度学习环境需要什么。答：只需1.显卡驱动，2.docker 3.深度学习环境镜像对就是这么简单。 1.首要的是显卡驱动，在下载显卡驱动之前先查一下，你即将要安装的版本，最低是多少。 ...

使用docker在Ubuntu上安装TensorFlow-GPU

生物医学信息学博客

12-03

1万+

基于docker在Ubuntu上搭建TensorFlow-GPU计算环境由于实验室的服务器有多人共享使用，而不同人的代码对应的keras和tensorflow版本不一致，所以对应的cuda版本也不相同，因此，考虑使用docker安装自己的容器，这样就可以避免共享cuda版本不一致造成的麻烦。（不过有贴子说使用docker的话，GPU性能只能发挥80%，所以有利有弊吧）安装docker 首先，检...

【安装教程】Win10环境下安装tensorflow-gpu（gpu版）

WS_Change的博客

06-06

1587

默认已经安装好Anaconda。

ubuntu18.04 搭建 docker，nvidia-docker2,cuda10.2+cudnn7.6.4全过程记录

Bobdragery的博客

04-21

3346

ubuntu18.04 搭建 docker，nvidia-docker2,cuda10.2+cudnn7.6.4全过程记录一、下载docker 1、根新ubuntu的apt索引 sudo apt-get update 2、安装包允许apt通过https使用仓库 sudo dpkg --configure -a sudo apt-get install apt-transport-http...

Collecting tensorflow-gpu==2.12.0 Using cached tensorflow-gpu-2.12.0.tar.gz (2.6 kB) Installing build dependencies ... done Getting requirements to build wheel ... error error: subprocess-exited-with-error

最新发布

04-25

引用[4]提到CUDA 10.2的兼容性问题，但用户安装的是2.12.0版本，需要确认TensorFlow 2.12.0对应的CUDA版本。根据官方文档，TensorFlow 2.12.0需要CUDA 11.8和cuDNN 8.6。如果用户安装了错误的CUDA版本，可能会导致...

nix-container-namd2.14-cuda10.2:使用Nix的CUDA 10.2支持的NAMD 2.14容器

04-10

在【压缩包子文件的文件名称列表】中，我们看到只有一个文件 "nix-container-namd2.14-cuda10.2-main"。这很可能是构建或配置这个NAMD容器的脚本或者Dockerfile，它包含了创建和定制容器所需的所有指令，比如安装...

制作ubuntu18.04 cuda10.2+ROS1+opencv 4.5.4的 docker镜像

qq_28219531的博客

06-14

1215

如果要使用老的JETPACK，如上图我们要使用4.6的版本。向ros源中添加ros源地址，并配置公钥，如果rosdep update执行失败，可以尝试多试几次.安装sudo 和 lsb_release工具。

docker镜像tensorflow-1.11.0-gpu-py3 part1

01-04

docker镜像tensorflow-1.11.0-gpu-py3，第一部分，一共有3部分

docker镜像tensorflow-1.11.0-gpu-py3 part3

01-04

docker镜像tensorflow-1.11.0-gpu-py3，第三部分，一共有3部分

tensorflow1.12支持cuda10

01-11

自编译tensorflow： 1.python3.5,tensorflow1.12; 2.支持cuda10.0,cudnn7.3.1,TensorRT-5.0.2.6-cuda10.0-cudnn7.3; 3.无mkl支持; 软硬件硬件环境：Ubuntu16.04,GeForce GTX 1080 TI 配置信息： hp@dla:~/work/ts_compile/tensorflow$ ./configure WARNING: --batch mode is deprecated. Please instead explicitly shut down your Bazel server using the command "bazel shutdown". You have bazel 0.19.1 installed. Please specify the location of python. [Default is /usr/bin/python]: /usr/bin/python3 Found possible Python library paths: /usr/local/lib/python3.5/dist-packages /usr/lib/python3/dist-packages Please input the desired Python library path to use. Default is [/usr/local/lib/python3.5/dist-packages] Do you wish to build TensorFlow with XLA JIT support? [Y/n]: XLA JIT support will be enabled for TensorFlow. Do you wish to build TensorFlow with OpenCL SYCL support? [y/N]: No OpenCL SYCL support will be enabled for TensorFlow. Do you wish to build TensorFlow with ROCm support? [y/N]: No ROCm support will be enabled for TensorFlow. Do you wish to build TensorFlow with CUDA support? [y/N]: y CUDA support will be enabled for TensorFlow. Please specify the CUDA SDK version you want to use. [Leave empty to default to CUDA 10.0]: Please specify the location where CUDA 10.0 toolkit is installed. Refer to README.md for more details. [Default is /usr/local/cuda]: /usr/local/cuda-10.0 Please specify the cuDNN version you want to use. [Leave empty to default to cuDNN 7]: 7.3.1 Please specify the location where cuDNN 7 library is installed. Refer to README.md for more details. [Default is /usr/local/cuda-10.0]: Do you wish to build TensorFlow with TensorRT support? [y/N]: y TensorRT support will be enabled for TensorFlow. Please specify the location where TensorRT is installed. [Default is /usr/lib/x86_64-linux-gnu]://home/hp/bin/TensorRT-5.0.2.6-cuda10.0-cudnn7.3/targets/x86_64-linux-gnu Please specify the locally installed NCCL version you want to use. [Default is to use https://github.com/nvidia/nccl]: Please specify a list of comma-separated Cuda compute capabilities you want to build with. You can find the compute capability of your device at: https://developer.nvidia.com/cuda-gpus. Please note that each additional compute capability significantly increases your build time and binary size. [Default is: 6.1,6.1,6.1]: Do you want to use clang as CUDA compiler? [y/N]: nvcc will be used as CUDA compiler. Please specify which gcc should be used by nvcc as the host compiler. [Default is /usr/bin/gcc]: Do you wish to build TensorFlow with MPI support? [y/N]: No MPI support will be enabled for TensorFlow. Please specify optimization flags to use during compilation when bazel option "--config=opt" is specified [Default is -march=native -Wno-sign-compare]: Would you like to interactively configure ./WORKSPACE for Android builds? [y/N]: Not configuring the WORKSPACE for Android builds. Preconfigured Bazel build configs. You can use any of the below by adding "--config=" to your build command. See .bazelrc for more details. --config=mkl # Build with MKL support. --config=monolithic # Config for mostly static monolithic build. --config=gdr # Build with GDR support. --config=verbs # Build with libverbs support. --config=ngraph # Build with Intel nGraph support. --config=dynamic_kernels # (Experimental) Build kernels into separate shared objects. Preconfigured Bazel build configs to DISABLE default on features: --config=noaws # Disable AWS S3 filesystem support. --config=nogcp # Disable GCP support. --config=nohdfs # Disable HDFS support. --config=noignite # Disable Apacha Ignite support. --config=nokafka # Disable Apache Kafka support. --config=nonccl # Disable NVIDIA NCCL support. Configuration finished 编译： bazel build --config=opt --verbose_failures //tensorflow/tools/pip_package:build_pip_package 卸载已有tensorflow： hp@dla:~/temp$ sudo pip3 uninstall tensorflow 安装自己编译的成果： hp@dla:~/temp$ sudo pip3 install tensorflow-1.12.0-cp35-cp35m-linux_x86_64.whl

docker 安装Tensorflow-GPU，及容器创建

qq_40105923的博客

03-22

514

本过程是在docker及CUDA安装之后的过程。首先先拉Tensorflow的GPU版本；重启docker服务便可。

docker︱在nvidia-docker中使用tensorflow-gpu/jupyter