ubuntu16.04上安装Anaconda3并搭建Tensorflow-gpu和spyder
由于学习深度学习的需要,在这里做一个笔记为了方便以后配置环境。在这里我给自己的笔记本电脑上搭建一个GPU环境。电脑配置的显卡为GTX960M,cuda_9.0和cuda对应的cudnn版本。
(一)安装Anaconda3
(1)Anaconda3下载
由于官网下载速度实在是慢到不行,所以这里使用清华的镜像源进行下载:Anaconda下载
在这里选择需要的版本,不同版本的Anaconda对应不同的Python版本,这里我对应事先配置好的Python3.6,选择的版本为Anaconda3-5.0.0-Linux-x86_64.sh。
Anaconda版本和Python版本的对应关系可参考博客:https://blog.csdn.net/yuejisuo1948/article/details/81043823
(2)Anaconda3安装
下载结束后,进入下载目录,打开终端输入命令:
bash Anaconda3-5.0.0-Linux-x86_64.sh
得到显示对应的内容,按enter继续安装。
一直回车,最后输入yes添加路径。
打开终端输入命令:
sudo gedit ~/.bashrc
查看路径中有没有对应的路径,
如果没有需要添加:
export PATH="/home/lb/anaconda3/bin:$PATH"
//其中lb时我自己的用户名,请根据需要修改自己的用户名
然后更新一下bashrc文件。
sudo source ~/.bashrc
(3)检测Anaconda3的安装
在终端中输入命令:
python3
我们可以得到下图:
可以看到我们已经安装成功,Anaconda已经和我们的python版本匹配。
(二)更换下载源
(1)更换conda命令的下载源
我们在下载时如果不更换下载源,不仅下载速度过慢而且很有可能会下载失败,出现runtime××类型的错误,所以我们可以更换下载源。
打开终端输入命令:
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes
如果下载速度依然很慢,可以尝试其重启系统,也可以重新添加下载源,删除defaults源。
在终端中输入命令:
conda config --show
显示现在的源,这里我已经把最后的defaules删除,重新添加的源。
删除源命令:
conda config --remove channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --remove channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --remove channels defaults
重新执行添加源命令。这样使用conda命令,下载速度很有很大的提升。
(2)跟换pip的下载源
修改pip.conf文件,如果没有就创建一个
mkdir ~/.pip
cd ~/pip
touch pip.conf
sudo gedit ~/.pip/pip.conf
在打开的文件中输入以下命令:
[global]
index-url=http://mirrors.aliyun.com/pypi/simple/
[install]
trusted-host=mirrors.aliyun.com
保存并退出
(三)安装Tensorflow-gpu
根据网上很多资料,我们在这里选择创建虚拟环境进行安装。
(1)搭建Tensorflow的虚拟环境
使用conda命令进行创建:
conda create --name tensorflow python=3.6
在创建虚拟环境时一定要注意虚拟环境中的python版本,这个版本与你的需要的环境版本是相关的,比如我在这里使用的Tensorflow1.9.0需要的版本是python3.6。
输入命令过后,我们会得到下图,
表示我们创建虚拟环境成功。
输入命令激活虚拟环境
source activita tensorflow
我们可以得到下图,表示我们已经成功的进入了虚拟环境中。
要退出虚拟环境可使用命令:
source deactivita tensorflow
(2)下载Tensorflow
在下载Tensorfow的gpu版本的时候,一定要注意tensorflow是有对应的cuda版本和cudnn版本的,可以参考博客:Tensorflow的安装条件
1). 使用conda命令下载
conda install tensorflow-gpu==1.9.0
输入y,等待下载结束便可,如果下载失败,出现runtime类型的错误,重新下载就行,已经下载好的文件不会重新下载。一点都无法下载的话可以更换下载源,也可以使用pip3进行下载。
2). 使用pip3命令进行下载
为防止版本过低不能下载的情况,可以先更新pip3在下载:
sudo pip3 install -U pip
sudo pip3 install tensorflow==1.9.0
下载失败重新下载即可。等待下载结束。
测试下安装情况,在虚拟环境中输入命令
python3
得到结果
再输入内容
import tensorflow as tf
tf.__version__
得到输出
1.9.0
在这里可能出现警告,警告原因可能是由于numpy版本过高造成的。
如果没有警告接着输入内容
tf.test.is_gpu_available()
如果输出结果为Ture则表示安装成功,False表示失败,如果你的ubuntu使用的是集成显卡驱动的,那还是使用cpu版本较好。
解决刚刚版本的警告我们可以使用命令
python -c "import numpy as np; print(np.__version__)"
查看现在numpy版本,然后下载比这个版本低的版本即可。我的输出为
1.17.0
使用下载命令
conda install numpy==1.16.0
将版本换低就没有警告了。
(四)安装spyder
(1)软件下载
输入命令
conda install spyder
等待下载安装结束。
(2)测试软件
注意:
由于我们是在虚拟环境中安装的spyder所以我们每次调用时都需要进入虚拟环境中,否则在调用tensorflow时可能会出现cannot find tensorflow import 的情况。
在终端中输入命令
spyder
打开spder软件,输入测试代码。
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!') #初始化一个TensorFlow的常量
sess = tf.Session() #启动一个会话
print(sess.run(hello))
点击绿色的三角形运行,我们就可以在右下角看到我们的输出结果,如图:
执行到这里我们就已经安装结束了。
参考文献:
https://blog.csdn.net/zbr794866300/article/details/97770752
https://blog.csdn.net/davidhopper/article/details/81206673