Ubuntu20.04安装Anaconda+TensorFlow-GPU

Ubuntu20.04安装Anaconda+TensorFlow-GPU

Linux-Ubuntu20.04系统可以同时存在多个Python版本，自带Python-3.9版本，根据需要可以自行下载需要的版本，这里我下载并使用的是Python-3.8版本。

一、Anaconda下载与安装

官网下载链接：https://www.anaconda.com/products/individual，点击官网下载链接进入界面，拉到页面最下方，选择系统对应的下载链接进行下载，这里我选的是Linux系统下的第一个链接。下载过程中会遇到下载自动停止的现象，刷新后会自动接着下载。
下载完成后，遇到下载的Anaconda有🔓（锁）样式的图标，是自己的权限不够，办法如下所示。

cd 下载/
ls -l
chomd -R 777 Anaconda3-2021.05-Linux-x86_64-1.sh

找到下载好文件夹的位置，如下图所示。

打开终端输入命令：

bash ~/home/admina/下载/Anaconda3-2021.05-Linux-x86_64-1.sh

开始安装，遇到选择都选择同意yes。安装完成之后配置环境变量，打开终端输入命令：

sudo apt install vim
vim ~/.bashrc

使用Ctrl + g到达文本最后一行，然后按shift + i进入vim的编辑模式，在文本最后加上：

export PATH="~/anaconda3/bin:$PATH"

按Esc退出编辑模式，然后按:wq保存修改并退出。最后，打开终端输入命令：

source ~/.bashrc

能够看到版本号说明安装成功，打开终端输入命令：

anaconda --version

二、TensorFlow-GPU环境配置

重点：安装配置合适的NVIDIA驱动、CUDA和cuDNN！！！

1.安装NVIDIA驱动

1.1禁用nouveau驱动

打开blacklist.conf文件，打开终端输入命令：

sudo gedit /etc/modprobe.d/blacklist.conf

在文本最后输入内容，保存并退出：

blacklist nouveau
options nouveau modeset=0

更新，打开终端输入命令：

sudo update-initramfs -u

打开终端输入命令，重启系统：

sudo reboot

重启后打开终端输入命令，没有屏幕输出说明禁用nouveau成功：

lsmod | grep nouveau

1.2查看驱动版本并安装

查看版本，打开终端输入命令：

ubuntu-drivers devices

驱动安装，打开终端输入命令：

# 自动安装推荐的驱动
sudo ubuntu-drivers autoinstall
# 安装nvidia460驱动
sudo apt install nvidia-driver-460

安装成功之后一定要重启重启重启，重要的事情说三遍。确认安装成功，打开终端输入命令：

nvidia-smi

2.配置CUDA

2.1下载和安装

官网下载链接：https://developer.nvidia.com/cuda-toolkit-archive，进入官网找到DOWNLOADS界面，选择第一个CUDA Toolkit进入。
按照如下图所示进行选择：

找到对应安装说明的代码，打开终端输入命令：

wget https://developer.download.nvidia.com/compute/cuda/11.3.1/local_installers/cuda_11.3.1_465.19.01_linux.run
sudo sh cuda_11.3.1_465.19.01_linux.run

2.2添加环境变量

打开终端输入命令，打开.bashrc文件：

sudo gedit ~/.bashrc

在文件的最后添加以下命令，保存并退出：

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-11.1/lib64
export PATH=$PATH:/usr/local/cuda-11.1/bin
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda-11.1

更新环境，在终端输入命令：

source ~/.bashrc

2.3验证安装是否成功

打开终端输入命令：

nvcc -V

3.配置cuDNN

3.1下载和安装

官网下载链接：https://developer.nvidia.com/cudnn，点击官网下载链接进入界面，进行注册登陆，点击Download cuDNN，选择第一个点击下载适合CUDA 11.x版本，cuDNN Library for Linux (x86_64)点击链接进行下载。

我下载到了linux系统下载目录，进入下载目录进行解压缩，打开终端输入命令：

cd 下载
tar zxvf cudnn-11.3-linux-x64-v8.2.0.53.tgz

解压缩之后会得到cuda文件夹，打开终端输入命令：

sudo cp cuda/include/cudnn.h /usr/local/cuda/include/
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/

在输入第二行命令时报错了，cp:无法通过符号链接’/usr/local/cuda/lib64/libcudnn.so.8’进行操作，对/libcudnn.so.8进行删除，只能留下一个libcudnn.so.8.0.5文件，打开终端输入命令：

cd /usr/local/cuda/lib64
sudo rm -f libcudnn.so.8

sudo chmod a+r /usr/local/cuda/include/cudnn.h
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

3.2验证安装是否成功

打开终端输入命令：

cat cuda/include/cudnn_version.h |grep ^#

三、TensorFlow-GPU安装

环境配置好之后，GPU版本的TensorFlow安装就很简单了，打开终端输入命令：

sudo pip3 install tensorflow-gpu

验证TensorFlow-GPU是否安装成功，打开终端输入命令：

pip show tensorflow-gpu

打开终端输入命令，打开如下的界面：

anaconda-navigator

launch自己喜欢的软件，我比较喜欢用spyder和jupyter notebook，安装spyder或者打开终端输入即可：

jupyter notebook
spyder

总结

在全新的双系统电脑上面，一点点的学习，一点点的配置环境，整个过程就像一张白纸一样任意你操作，最后什么样子的结果取决你自己。从Linux-Ubuntu系统，安装Anaconda、配置安装TensorFlow-GPU的环境到最后TensorFlow安装成功，是一件很有成就感的事情，好了，接下来的学习之旅开始咯～每一种下载安装的方法都不止一种，要找到适合自己安装的版本和方法。会报错或者遇到问题都是很正常的事情，这时候就需要百度了，多问问度娘，会有各种各样的解决办法（还请大佬请勿抨击，欢迎小伙伴一起讨论学习）。