AMD GPU（A卡）+Tensorflow+Anaconda+ubuntu18.04.2 安装方法

最新推荐文章于 2025-04-17 16:21:54 发布
最新推荐文章于 2025-04-17 16:21:54 发布
阅读量9.3k 收藏 60
点赞数 6
分类专栏： 深度学习 文章标签： 深度学习 Tensorflow AMD Anaconda
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/weixin_42771180/article/details/91433211
版权
本文档详细介绍了如何在Ubuntu 18.04.2系统上，结合AMD GPU（A卡）和Anaconda，安装并配置ROCm平台及TensorFlow。首先安装Anaconda，接着添加ROCm仓库并安装相关软件包，最后通过conda或系统python3安装TensorFlow。注意ROCm仅支持AMD4系以后的显卡。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

AMD GPU（A卡）+Tensorflow+Anaconda+ubuntu18.04.2 安装方法

AMD GPU（A卡）+Tensorflow+Anaconda+ubuntu18.04.2 安装方法

Linux下可以可以通过AMD的ROCm平台实现Tensorflow的加速，下面介绍详细的方法。
首先说明系统，本人尝试过Ubuntu16.04.6和18.04.2，16.04总在安装过程中卡在设置rocm-profiler这一步。建议使用18.04系统，如果有大神在16.04系统上安装成功，请告诉我，感谢。
因为本人习惯了使用Anaconda，故将其一起安装。如果不想使用conda后面也会给出使用系统内python3安装的方法。

安装Anaconda

下载Anaconda，目前ROCm版的Tensorflow已经支持到python3.6，所以下载Anaconda3-5.2.0即可，地址：
https://repo.continuum.io/archive/
下载后是一个.sh文件，直接运行安装即可。

安装ROCm

添加ROCm的仓库

wget -qO - http:/
最低0.47元/天 解锁文章
python调用gpu amd_TensorFlow通过AMD GPU加速（ROCm/elementary OS 5.0）
weixin_36205186的博客
02-04 1671
elementary OS 5.0是基于Ubuntu 18.04制作，所以本流程也适用于Ubuntu 18.04。ROCm升级1.91之后不需要安装AMD的GPU驱动程序，如果安装可能会出现问题。安装elementary OS 5 之后的一些配置安装软件更新管理器sudo apt updatesudo apt install software-properties-common software-...
Ubuntu16.04 安装 显卡驱动 + CUDA + cuDNN + Tensorflow-gpu + Keras + PyCharm
代码使我快乐
02-18 1959
在Ubuntu16.04上安装显卡驱动+CUDA+cuDNN+Tensorflow-gpu+Keras，目的是为了深度学习所用，博主参考了众多资料，最终成功将所有软件安装完毕，且能成功运行使用，因而写下该篇安装教程，供借鉴参考。 前期说明 CUDA需要使用电脑的物理显卡，而在某些虚拟机中无法调用本机的物理显卡，仅能使用其提供的虚拟显卡，因此无法使用CUDA，例如VMware，但也有某些虚拟机能够使...
AMD ROCm GPU，支持 TensorFlow！
TensorFlowers的博客
09-13 1万+
文 / AMD 深度学习软件总监 Mayank Daga 来源 | TensorFlow 公众号 我们很高兴地宣布推出适用于 ROCm GPU 的 TensorFlow v1.8，其中包括 Radeon Instinct MI25。对于 AMD 正在进行的深度学习加速工作而言，这是一座重大的里程碑。ROCm 即 Radeon 开放生态系统 (Radeon Open Ecosystem)，是我们...
【2025版】Anaconda安装超详细教程
最新发布
qq_55106902的博客
04-17 2716
Anaconda 是一个非常 popular 的 Python 发行版，它不仅包含了 Python 语言本身，还预装了众多常用的科学计算库，如 NumPy、Pandas、Matplotlib 等，能够极大地方便用户的开发和数据分析工作。Anaconda 提供了一个统一的环境管理工具，用户可以轻松创建和管理多个独立的 Python 环境，避免了不同项目之间的依赖冲突。此外，Anaconda 还提供了 Anaconda Navigator 这样的图形化界面，让用户更直观地管理包和环境。
喜大普奔！TensorFlow终于支持A卡了
AI科技大本营
09-16 3万+
作者 | 非主流出品 | AI科技大本营工资不涨，英伟达 GPU 的售价年年涨。因此，多一个竞争对手，总是好事。近日，Google 宣布推出适用于 ROCm GPU 的 ...
win11+AMD的cpu+3060GPU电脑安装 tensorflow-GPU+cuda11+cudnn
尘埃飞舞
03-19 5419
前言 我新买的电脑是AMD的cpu+NVIDIA的3050GPU想试一试这个电脑跑深度学习，就安装一下tensorflow记录一下 安装Anconda 这个往上下载默认安装即可，不做描述 使用命令行新建一个tensorflow的环境 conda create --name tf python=3.7 安装时候有一个需要确认输入 y即可 创建完成切换到创建的环境中 conda activate tf 然后使用豆瓣源pip下载tensorflow2.7相关的依赖包，tensorflow1.15版本以上就不需
A卡有适合用TensorFlow来跑CNN的吗？
cda2024的博客
11-12 1147
一位来自Reddit社区的用户分享了他的体验，他使用了一张AMD Radeon RX 5700 XT显卡，并成功地在TensorFlow环境下训练了一个图像分类模型。CDA数据分析师（Certified Data Analyst）是一项专业的技能认证，它不仅涵盖了基础的数据分析知识，还包括了机器学习、深度学习等前沿技术的学习。综上所述，尽管N卡在深度学习领域有着无可争议的优势，但A卡凭借不断提升的硬件性能以及不断进步的软件支持，也逐渐成为一种可行的选择。这样的硬件规格足以满足大多数CNN模型的训练需求。
Ubuntu20.04上安装Tensorflow-gpu 2.5.0和pytorch(GPU),以及Anaconda+pycharm
qq_38847794的博客
04-20 4189
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录前言一、安装Anaconda二、安装显卡驱动三、安装GPU版Tensorflow四、安装CUDA五、安装cuDNN六、安装Pytorch七、安装Pycharm总结 前言 提示：这里可以添加本文要记录的大概内容： 本文介绍Ubuntu20.04上安装Tensorflow-gpu 2.5.0和pytorch(GPU),以及Anaconda+pycharm，亲测好用，其他版本可以自行查阅按照此方法安装。 提示：以下是本篇文章正文内容.
Ubuntu20.04 + anaconda + tensorflow-gpu + pytorch深度学习环境配置
qq_45756448的博客
05-22 863
由于我的笔记本上没有nvidia显卡，所以我在台式机上配置深度学习环境，这一过程整整花费了我4天时间，前两天在库库装linux系统（因为那台台式机已经数年没使用了），后边花了2天配好了ssh+tensorflow+anaconda学习环境。由于配置过程参考了许多博客，此处就将参考的博客记录下来，以便以后回看。
为pointnet++的运行搭建环境ubuntu18.04+cuda10.0+cudnn7.4.2+anaconda3+tensorflow-gpu1.13.1（超超超超简单的版本！！轻轻松松搭建好！
Liyyeee的博客
08-12 3922
重装好几次了！没有人比我更懂重装（不是 现在我默认大家都才装好ubuntu18.04，就是干！ 注：sudo是获取临时root权限，所以我们开局直接进root 换源（加快下载速度 使用root权限： sudo -s 备份源码： cp /etc/apt/sources.list /etc/apt/sources.list.bak 替换源列表内容： gedit /etc/apt/sources.list 打开list后，将以下内容替换掉原来的：# 默认注释了源码镜像以提高 apt update 速度，如有需要
【AMD显卡在WIndow10/11部署带GPU支持的深度学习环境(Tensorflow-DirectML篇)】
热门推荐
weixin_44029053的博客
11-27 3万+
我这先晒一个结果： 首先这里推荐的系统比如Win10不要太老，尽量新一点，特别是针对WSL2 本人用的显卡是AMD Radeon RX6600(后面不带XT，很重要！因为还有XT版嘛，性能差20%左右) CPU：i5 12600KF(目前的神卡，干翻上一代i9 K) 系统WIn10专业版，内部版本号：19042，版本不要太老，太老自己Windows更新那边升级一下到最新。 这里出现了两个分叉，一个是用我们本地Window环境，一个是用WSL2，如果你是准备用WSL2那么你最好是安装Window10/11.
TensorFlow配置过程
savokiii的博客
07-14 256
记录并分享以下自己在配置TensorFlow时遇到的问题及解决方法，第一次写博文希望大家多多包涵
2021-12-01如何解决tensorflow无法调用GPU运行的问题?
LJ1120142576的博客
12-01 8120
如何解决tensorflow无法调用GPU运行的问提？1.目前的环境和问题1.1问题说明1.2操作环境等说明2.针对该问题的解决办法 1.目前的环境和问题 1.1问题说明 目前的主要问题是在做深度学习时，不能成功调用GPU进行运算，程序一直在CPU上运行，对于数据量大的深度学习而言，时间成本高 主要问题如下（代码都是在python环境下运行）： ①tensorflow版本检查 import tensorflow as tf tf.__version__ #(2.6.0) 再导入tensorflow时出现
Tensorflow 启程
HYbuery的博客
08-27 384
今天开启了我的人工智能start第一站--深度学习框架TensorFlow 因为做的慢遇到的问题不多，大致如下： 1.首先TensorFlow-gpu版是不支持A卡的因为，它基于CUDA，目前仅支持N卡。 2.在写第一个Tensorflow示例代码的时候遇到的小问题 Your CPU supports instructions that this TensorFlow binary was...
ubuntu16.0.4安装tensorflow—gpu1.9.0填坑记录
fzu_11140835的博客
12-20 666
这几天要跑一个例程，但它需要tensorflow1.9.0以上的版本，于是想在实验室服务器装1.9.0版的。但是服务器中的CUDA版本为8.0版本与TF版本不符，于是我开始了填坑之旅。 （首先是正确姿势下，如何安装好TF-gpu1.9.0，及验证是否可行） 一。首先要确定的是你要安装的TF版本对应的CUDA与cudnn版本 参考：https：//blog.csdn.net/omodao1/a...
AMD硬件环境搭建SSD目标检测平台：Win10+VSCode+Tensorflow2.2-CPU版
weixin_50514036的博客
02-23 1470
AMD硬件环境搭建SSD目标检测平台：Win10+VSCode+Tensorflow2.2-CPU版环境SSD源码前言一、Anaconda安装1.简介2.下载3.安装二、TF2环境搭建三、VSCode安装1.安装2.设置个性化 环境 CPU：AMD Ryzen 7 4800H GPU：AMD Radeon™ Graphics Anaconda3-2019.10-Windows-x86_64.exe Tensorflow 2.2.0 SSD源码 源码链接：https://github.com/bubblii
PyTorch笔记【1】---A卡安装（RX580）无果后，改为N卡（2070）安装。这年头就不要用CPU了来搞AI了
sdewenking的专栏
02-20 4662
pytorch安装 打开pytorch官网http://pytorch.org，找到下图位置：、
Win10系统中GPU深度学习环境配置记录
soderayer的博客
10-03 810
系统：Win10处理器 Intel(R) Core(TM) i7-9700K CPU @ 3.60GHz 3.60 GHz机带 RAM 16.0 GB设备 ID A18D4ED3-8CA1-4DC6-A6EF-04A33043A5EF产品 ID 00342-35285-64508-AAOEM系统类型 64 位操作系统, 基于 x64 的处理器显卡：NVIDIA GeForce RTX 2070驱动程序版本: 30.0.15.1252驱动程序日期: 2022/4/15。
ubuntu22.04 amd显卡 安装rocm教程
qq_39103891的博客
03-27 2918
筛选 torch 版本为上面安装的版本： torch2.2.2 对应 torch-2.2.2。如果出错一般是下载的whl 的 文件跟 python 和 rocm torch 版本对不上。筛选 rocm 版本为上面安装的版本： rocm5.7 对应 rocm5.7。筛选 python 版本为上面安装的版本： python3.11 对应 cp311。当前 rocm 版本为 5.7, torch 版本为 2.2.2，记住当前版本号。返回 true 即可。
ubuntu安装pytorch_gpu
09-16
要在Ubuntu上安装PyTorch GPU版本，可以按照以下步骤进行操作： 1. 首先，确保你已经安装了NVIDIA显卡驱动程序。可以通过运行以下命令来检查是否安装了正确的驱动程序版本： ``` nvidia-smi ``` 这将显示你当前安装的NVIDIA驱动程序的版本信息。 2. 接下来，你需要安装CUDA工具包。可以通过以下步骤进行安装： a. 根据你的显卡型号和操作系统版本，在NVIDIA官方网站下载对应版本的CUDA工具包。 b. 运行下载的安装程序，并按照提示进行安装。注意选择合适的安装选项，以确保安装了CUDA驱动程序和CUDA工具。 c. 安装完成后，将CUDA的bin目录添加到系统的PATH环境变量中，这样你就可以在任意位置运行CUDA相关的命令。 3. 然后，你需要安装cuDNN库。cuDNN是一个针对深度学习任务进行加速的GPU库。可以按照以下步骤进行安装： a. 前往NVIDIA开发者网站，注册一个账号并下载合适版本的cuDNN库。 b. 解压下载的cuDNN库文件，并将其中的bin、lib和include文件夹分别复制到对应的CUDA安装目录下。 4. 现在，你可以使用Anaconda来安装PyTorch。可以按照以下步骤进行安装： a. 打开终端，运行以下命令创建一个新的conda环境： ``` conda create -n pytorch_gpu ``` b. 激活该环境： ``` conda activate pytorch_gpu ``` c. 运行以下命令安装PyTorch和相关的依赖库： ``` conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch ``` 这将安装PyTorch GPU版本以及其他必要的依赖库。 5. 完成以上步骤后，你就成功在Ubuntu上安装了PyTorch GPU版本。 请注意，上述步骤中的CUDA版本和cuDNN版本可能需要根据你的具体显卡和操作系统进行调整。建议在安装之前查阅PyTorch官方文档和NVIDIA官方网站获取更详细的信息和指导。还可以参考引用和引用[2]中提供的安装命令和参考资料。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值