作者 | Che_Hongshu
来源 | AI蜗牛车(id:Che_Hongshu)
前提情况
准备用 Anconda 弄个独立隔离的 tf-gpu 环境,当然如果没可以 caffe 环境也可以按照找个教程来装 tf-gpu,如果是 windows 的话在末尾也有对应的 win 下的教程。如果不想用python2.7,想用python3.6也有相关说明。
os:ubuntu16.04
DL框架:caffe-GPU
CUDA:10.0
CUDNN:7.4
python:2.7
安装Anconda
我选择的是python2.7版本
https://www.anaconda.com/download/#linux
![在这里插入图片描述 640?wx_fmt=png](https://i-blog.csdnimg.cn/blog_migrate/9e85cca48eb0401402bc3182acda87a4.jpeg)
傻瓜式安装不赘述
![在这里插入图片描述 640?wx_fmt=png](https://i-blog.csdnimg.cn/blog_migrate/67911e518cc26b9dd509cf79c3169931.png)
直接启动终端即可,安装好看看是否安装成功
conda --version
![在这里插入图片描述 640?wx_fmt=png](https://i-blog.csdnimg.cn/blog_migrate/9663ac6bfaa43ed1692178c633b723d6.png)
成功当然这里可能出现 不识别conda的error。conda不是内部或外部命令,这是因为没有添加环境变量,无法找到命令。
添加环境变量即可,我常用的方式就是.bashrc文件
![在这里插入图片描述 640?wx_fmt=png](https://i-blog.csdnimg.cn/blog_migrate/932dedba495e336a650e8d3e5c8dbde6.png)
vim用法不赘述了,就是按i为input,按esc为命令模式输入:wq保存退出。
.bashrc为用户环境文件
![在这里插入图片描述 640?wx_fmt=png](https://i-blog.csdnimg.cn/blog_migrate/fa9f3cca48be52a1382aada1418f5ea8.jpeg)
添加
export PATH=/home/c/anaconda2/bin:$PATH ##/home/c/anaconda2为Anaconda的安装路径
之后输入
![在这里插入图片描述 640?wx_fmt=png](https://i-blog.csdnimg.cn/blog_migrate/226723ced84621726dcb94ed1335a4da.png)
使更改的环境变量生效,此时linux可以识别conda命令了。
创建 python 2.7的tensorflow环境:
![在这里插入图片描述 640?wx_fmt=png](https://i-blog.csdnimg.cn/blog_migrate/149d46304fb486ec118de9cdd0bb1952.png)
之后进入 环境中
![在这里插入图片描述 640?wx_fmt=png](https://i-blog.csdnimg.cn/blog_migrate/2abbdf176102077ac3af2328d30d2ff6.png)
在环境中直接安装tenorflow-gpu环境
conda install tensorflow-gpu
需要一段时间,仔细观察里面已经有了很多科学库numpy pandas,以及CUDN和cudnn(但是有一个问题就是,tf的版本对应相应版本的cuda和cudnn的版本,都是一一对应的)
下完之后,输入python之后import tensorflow之后看是否成功,如果成功则结束
如果不成功报错如下提示则按下面几步进行。
ImportError: libcublas.so.9.0: cannot open shared object file: No such file or directory
毋庸置疑就是tf和下载安装的cuda的版本不匹配,解决办法:
conda install cudatoolkit==9.0
![在这里插入图片描述 640?wx_fmt=png](https://i-blog.csdnimg.cn/blog_migrate/9913554f5fb94f6149a28d8184cb0a25.png)
这回python,import一下上舒服了就
![在这里插入图片描述 640?wx_fmt=png](https://i-blog.csdnimg.cn/blog_migrate/e80cbb976936c4c77aa977ce7f929357.png)
不得不说Anconda真的好用,我当时用caffe-gpu的时候都是自己安装的cuda和cudnn,不只是麻烦,最难受的是如果你不知道版本有对应关系可能你需要不断的安装卸载,当然用运气好的话一次成功也可能,但是也麻烦,Anconda只需要几句命令解决一切问题,厉害。
安装pycharm
下载pycharm
http://www.jetbrains.com/pycharm/download/#section=linux
![在这里插入图片描述 640?wx_fmt=png](https://i-blog.csdnimg.cn/blog_migrate/427002a5628033c2f15fc77c38c6318b.jpeg)
下载Community版本,这样可以避免找能用的钥匙等一切破解的问题,自己用community够用了已经。
![在这里插入图片描述 640?wx_fmt=png](https://i-blog.csdnimg.cn/blog_migrate/5fecbdbae7083865472f619c14e2af4c.jpeg)
直接在所在目录打开terminal运行解压
tar -xvzf pycharm-community-2018.3.tar.gz ##文件按照自己的版本改
解压完成。
习惯性把这些文件放在linux下的home里,进行一波剪切:
![在这里插入图片描述 640?wx_fmt=png](https://i-blog.csdnimg.cn/blog_migrate/c06a550c8d062da47f5b8a1596bb5762.jpeg)
运行bin中的.sh脚本文件启动,接下来就和win下使用是一个样子了,不多赘述,就是选确认和同意就好了。
创建python工程
![在这里插入图片描述 640?wx_fmt=png](https://i-blog.csdnimg.cn/blog_migrate/5190de03fdb0470726ff202cc24539bc.png)
选择咱们已经在Anconda中创建好的interpreter,这个python中已经配置好tf环境。接下来新建一个python文件
![在这里插入图片描述 640?wx_fmt=png](https://i-blog.csdnimg.cn/blog_migrate/55c7c6de1ff417632dd4617709d0e31e.png)
来个简单的程序跑一下看看,两个常量相加
import tensorflow as tf
int1 = tf.constant(3)
int2 = tf.constant(6)
product = tf.add(int1, int2)
with tf.Session() as sess:
result2 = sess.run(product)
print(result2)
![在这里插入图片描述 640?wx_fmt=png](https://i-blog.csdnimg.cn/blog_migrate/f7fbd8567d8ece6ed3720c4916beecc7.jpeg)
忽略红字,因为那是因为tf运行GPU 的正确打开方式。最后不想pycharm每次打开都那么麻烦,那就 打击图标,右键,选择锁定到启动器,over。
![在这里插入图片描述 640?wx_fmt=png](https://i-blog.csdnimg.cn/blog_migrate/95a7fc8178f066a81086acc8137a9256.png)
补充部分:
(1)依然采用Anaconda来安装,首先安装Anaconda的windows的64bit版本。
(2)如果采用windows下安装tensorflow-gpu,经过本人的尝试和实践,最好采用安装tensorflow-gpu==1.12.0(当然python为2.7和3.6都可以)
(3)如果选择python版本为3.6,创建环境命令如下:
conda create -n tf36 python=3.6
(4)在环境中安装tf1.12.0
conda install tensorflow-gpu==1.12.0
当然安装的过程有点崎岖,自己估计都没想到,主要是出现两个问题
Process finished with exit code -1073741819 (0xC0000005)
ImportError: DLL load failed: 找不到指定的程序
解决方案居然是自己忽略一个问题,我也尝试去重新装protobuf等等,但自己遇到的不是这个问题。
我个人之前装的时候用的是pycharm下的Terminal
![在这里插入图片描述 640?wx_fmt=png](https://i-blog.csdnimg.cn/blog_migrate/f7e8498b97e103a8a57a36e945117c21.png)
这回我成功安装的时候选择不用这个,就纯粹用Anaconda自带的Prompt命令行输入,输入为一样的语句
![在这里插入图片描述 640?wx_fmt=png](https://i-blog.csdnimg.cn/blog_migrate/f10838726106ecb268da2dfaa469653b.jpeg)
最后采用从创建新的环境以及安装各种库以及安装tensorflow-gpu全都用Anaconda自带的Prompt来进行安装,速度更快,一次成功。
(5)结论:估计用pycharm的terminal去模拟prompt来安装tensorflow-gpu有一些bug,但具体情况不知。
(本文为Python大本营转载文章,转载请联系作者)
代码就是力量,长三角的开发者联合起来!
加入「长三角开发者联盟」将获得以下权益
长三角地区明星企业内推岗位
CSDN独家技术与行业报告
CSDN线下活动优先参与权
CSDN线上分享活动优先参与权
我们希望你是:位于长三角地区(上海、江苏、浙江等)优秀开发者。扫码添加联盟小助手,回复关键词“长三角4”,加入「长三角开发者联盟」。
❤点击“阅读原文”,了解更多活动信息。