目录
6.安装TensorFlow时,cuda、cudnn的对应版本:
1.查看Ubuntu服务器的版本信息
uname -a
lsb_release -a
2.有关在Linux环境下创建虚拟环境的命令
conda update -n base conda #update最新版本的conda
conda create -n xxxx python=3.5 #创建python3.5的xxxx虚拟环境
conda activate xxxx #开启xxxx环境
conda deactivate #关闭环境
conda env list #显示所有的虚拟环境
conda info --envs #显示所有的虚拟环境
3.查看服务器的ip地址的命令:
ifconfig -a
4.检查conda、python、pip版本号:
5.查看显卡运行情况
nvidia-smi
6.安装TensorFlow时,cuda、cudnn的对应版本:
推荐参考博客:
https://blog.csdn.net/qq_40200387/article/details/90341107
https://blog.csdn.net/wangyjfrecky/article/details/84029668
(a).装驱动:安装显卡驱动,首先查一下内核版本。为了查看驱动内核版本,需要先随意安装一个显卡驱动,然后使用命令看一下内核驱动版本,安装完成后,使用nvidia-smi检查是否成功(有界面)
(b).安装cuda,cudnn,这些版本必须和nvidia内核版本对应
(c).安装Anaconda3,创建虚拟环境,安装tf时,python选择3.6~3.7,根据tf的版本安装cuda和cudnn(这里的cuda和cudnn和硬件安装的不一样,这是深度学习框架所需要的cuda和cudnn)
Nvidia驱动下载地址:https://www.nvidia.cn/geforce/drivers/
CUDA下载地址在:https://developer.nvidia.com/cuda-toolkit-archive
Cudnn的下载(必须与cuda匹配),下载地址:https://developer.nvidia.com/rdp/cudnn-archive
Anaconda3的下载地址:https://www.anaconda.com/products/individual
细节问题自行百度。
显卡驱动对应的cuda版本:
import tensorflow as tf
tf.compat.v1.disable_eager_execution() #保证sess.run()能够正常运行
hello = tf.constant('hello,tensorflow')
sess= tf.compat.v1.Session()#版本2.0的函数
print(sess.run(hello))
7.使用脚本文件上网
8.更新conda版本
conda update -n base -c defaults conda
9.添加清华源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
10.删除清华源
conda config --remove channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
11.安装指定版本的包
12.安装gym=0.9.4
pip install gym==0.9.4
13.更新pip的版本
pip install --upgrade pip
14.检查cudnn,cuda的版本号
服务器的CUDA版本号:
CUDA Version 10.0.130
CUDNN:
CUDNN_MAJOR 7