【亲测排坑】给Linux Ubuntu18.04 安装Anaconda+Tensorflow-GPU+Jupyter

项目场景:

给Linux Ubuntu18.04 安装Tensorflow+Jupyter


问题描述

按照网上最火的教程,自己下载安装cuda和cudnn,各种bug报错,最后搞得一团糟。
最后把Ubuntu直接卸载重装,重新配置


Anaconda+Tensorflow-GPU:

在ubuntu中,想要安装tensorflow-GPU,有两种方式:

  1. gpu-driver+cuda+cudnn+tensorflow
    http://t.csdn.cn/hoIRQ
  2. gpu-driver+anaconda+tensorflow (本人采用这种)
    http://t.csdn.cn/a4PZa
    http://t.csdn.cn/ej3sC

Jupyter:

安装好Anaconda后,除了base以外,建立一个虚拟环境TF115GPU,可实现tensorflow-GPU的运行。
但是基于终端的编译环境很不友好,所以希望装一个Jupyter。
一开始使用 http://t.csdn.cn/IleYU 中的方法

sudo apt install Jupyter-core
sudo apt install Jupyter-notebook

但安装并运行jupyter后,提示 No module named tensorflow
研究发现这是因为这个jupyter调用的python环境位于usr/bin中,而之前安装tensorflow-GPU的环境是在anaconda里,位于home/用户名/anaconda3
所以要安装与anaconda匹配的Jupyter,而非通用版本的Jupyter。
教程:http://t.csdn.cn/g5wJx
另外,这种方法安装的jupyter只是针对该环境(TF115GPU)的,如果想在其他环境(如base)使用Jupyter,还需再安装。


测试:

https://blog.csdn.net/weixin_44035915/article/details/110550730
用tensorflow-GPU版本大概10s内可以跑完。

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 1. 首先,确保您的计算机已经安装了NVIDIA显卡驱动程序。您可以通过运行以下命令来检查: ``` nvidia-smi ``` 如果您看到了显卡信息,说明您已经安装了驱动程序。 2. 接下来,您需要安装CUDA工具包。您可以从NVIDIA官网下载适合您的CUDA版本,并按照官方文档进行安装。 3. 安装cuDNN库。您可以从NVIDIA官网下载适合您的cuDNN版本,并按照官方文档进行安装。 4. 确保您的计算机已经安装Anaconda或Miniconda。您可以从官方网站下载并安装。 5. 打开终端,创建一个新的conda环境: ``` conda create --name pytorch-gpu python=3.7 ``` 6. 激活新环境: ``` conda activate pytorch-gpu ``` 7. 安装pytorch-gpu: ``` conda install pytorch torchvision torchaudio cudatoolkit=<your_cuda_version> -c pytorch ``` 其中,<your_cuda_version>是您安装的CUDA版本号。 8. 安装其他必要的库: ``` conda install matplotlib pandas jupyter notebook ``` 9. 安装完成后,您可以在新环境中使用pytorch-gpu了。您可以通过运行以下命令来测试: ``` python -c "import torch; print(torch.cuda.is_available())" ``` 如果输出为True,则说明您已经成功安装了pytorch-gpu。 ### 回答2: 要在Ubuntu 18.04上安装PyTorch GPU,您需要遵循以下步骤: 步骤1:安装CUDA 安装PyTorch GPU需要CUDA。按照下面的步骤安装CUDA: a) 添加PPA存储库: $ sudo add-apt-repository ppa: graphics-drivers/ppa $ sudo apt-get update b) 安装nvidia驱动程序和CUDA: $ sudo apt-get install nvidia-driver-435 $ sudo apt-get install nvidia-cuda-toolkit 步骤2:安装cuDNN cuDNN是NVIDIA深度神经网络库,提供GPU加速的功能。 a)从NVIDIA官方网站下载cuDNN的Deb文件。 b)解压缩下载的文件并将其复制到CUDA的安装目录下: $ sudo dpkg -i libcudnn7*.deb $ sudo cp -r /usr/src/cudnn_samples_v7/ $ HOME $ cd $ HOME/cudnn_samples_v7/mnistCUDNN $ make clean && make $ ./mnistCUDNN 步骤3:安装PyTorch a)安装Anaconda环境,这将帮助您管理您的Python环境。 b)创建一个名为"ml"的conda环境: $ conda create -n ml anaconda python=3.6 c)启用conda环境: $ source activate ml d)安装PyTorch: $ conda install pytorch torchvision cudatoolkit=10.1 -c pytorch 步骤4:测试您的PyTorch GPU安装 a) 启用conda环境: $ source activate ml b) 进入Python shell: $ python c)验证您的PyTorch GPU是否启用: import torch print(torch.cuda.is_available()) 如果 省略了CUDA和cuDNN,则会输出“False”,如果 安装正确,则会输出“True”。 这就是在Ubuntu 18.04上安装PyTorch GPU的过程。 ### 回答3: PyTorch是深度学习领域中最流行的框架之一,它提供了GPU加速计算的能力以加快训练速度和提高模型的准确性。Ubuntu 18.04是一种流行的Linux操作系统,可以在其上运行PyTorch GPU版本来发挥更强大的计算能力。 以下是在Ubuntu 18.04上安装PyTorch GPU的步骤: 1. 在安装PyTorch GPU之前,需要确保已安装英伟达显卡驱动程序。在Ubuntu终端中输入以下命令来安装驱动程序: sudo apt-get install nvidia-driver-410 注意:410是驱动程序的版本号,这可能会因您的显卡型号而有所不同。 2. 安装CUDA工具包。PyTorch需要CUDA来执行GPU加速计算。在安装CUDA之前,需要检查计算设备是否与CUDA兼容。在终端中输入以下命令: lspci | grep -i nvidia 如果输出显示英伟达显卡,则说明您的设备与CUDA兼容。 在安装CUDA之前,需要下载相应的安装程序: wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/cuda-10-0_10.0.130-1_amd64.deb 接着,运行以下命令安装CUDA: sudo dpkg -i cuda-10-0_10.0.130-1_amd64.deb 安装完成后,将CUDA添加到环境变量中,运行以下命令: echo 'export PATH=/usr/local/cuda-10.0/bin:$PATH' >> ~/.bashrc echo 'export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc source ~/.bashrc 3. 安装cuDNN库。cuDNN是一个GPU加速库,可以进一步加速计算。在下载cuDNN库之前,需要注册NVIDIA开发者网站并下载相应版本的cuDNN库。 运行以下命令安装cuDNN: tar -xzvf cudnn-10.0-linux-x64-v7.4.1.5.tgz sudo cp -P cuda/lib64/libcudnn* /usr/local/cuda-10.0/lib64/ sudo cp cuda/include/cudnn.h /usr/local/cuda-10.0/include/ 4. 安装PyTorch GPU。在终端中输入以下命令安装PyTorch GPU: pip3 install torch torchvision 安装完成后,运行以下代码测试PyTorch是否成功安装设备: import torch if torch.cuda.is_available(): print('CUDA is available') else: print('CUDA is not available') 这个命令行代码应该输出`CUDA is available`,表明PyTorch可以在GPU设备上进行计算。 以上就是在Ubuntu 18.04上安装PyTorch GPU的步骤。在安装过程中,如果遇到任何问题,请仔细检查您的系统和环境变量设置。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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