Ubuntu20.04安装配置tensorflow2深度学习环境

最新推荐文章于 2024-05-22 11:41:23 发布

LN烟雨缥缈

最新推荐文章于 2024-05-22 11:41:23 发布

阅读量6.3k

点赞数 8

文章标签：深度学习 ubuntu python linux cuda

本文链接：https://blog.csdn.net/wind82465/article/details/109735546

版权

Ubuntu20.04安装配置tensorflow2深度学习环境

之前在windows下配置了tensorflow2的环境，坑有不少。最近配了台台式机，2070显卡，安装一下Ubuntu20.04系统，具体过程如下，分享给之后安装Ubuntu20系统的同学，仅供参考。

一、Ubuntu20.04系统安装

从Ubuntu官网http://cn.ubuntu.com/download/下载系统的iso文件，我们选择20.04版本。

系统安装参考：Ubuntu安装。只要按照步骤做好U盘启动，进入Ubuntu系统后，等待配制完成即可。如果没有中文输入法，请参考：fcitx中文输入。

二、安装Anaconda环境

1、下载Anaconda安装包：官网下载地址。

进入官网点击如下图所示Download按钮：

网页直接会移动至最底下如图所示：

分别有windwos、Mac和Linux版本，我们选择最右面的Linux，并且选择第一个64-Bit(x86) Installer(550MB)下载。

2、安装Anaconda安装包

进入到Anaconda安装包目录，bash命令直接运行下载的Anaconda文件。

bash Anaconda3-2020.07-Linux-x86_64.sh

注：每个人的文件名是不一样的，直接bash你下载的Anaconda的文件。

它会蹦出几个让你选择yes or on的选项，直接yes即可。等待安装完成后会出现大致如下图所示：

配置Andonda的环境变量，输入：

gedit ~/.bashrc

会出现环境变量文件，在最后一行输入你的Anaconda/bin的路径：

export PATH="/home/你的Anaconda的路径/bin:$PATH"

运行一下下面的指令，激活Anaconda环境，看是否安装成功：

conda activate

进入到Anaconda环境下，查看python版本：

python -V

如果出现下图所示：

出现GCC提示里面是Anaconda的信息，则说明Anaconda已经安装成功。

也可以在shell中输入jupyter notebook，查看是否安装成功。

三、安装tensorflow

首次安装好Anaconda环境之后，创建虚拟环境：

conda create -n tf

激活虚拟环境：

source activate tf

安装tensorflow：

conda install tensorflow

接下来就是等待安装一堆工具包：

安装好之后，测试tensorflow是否安装成功：

import tensorflow as tf

CPU版的tensorflow一般不会出问题，安装好CPU版本的tensorflow之后，最要命的就是GPU版的tensorflow，接下来安装GPU版本的tensorflow，直接运行命令：

conda install tensorflow-gpu

输入命令之后如下如所示，缺少什么驱动，它都会自动下载，真是比windows下配置tensorflow-GPU环境爽多了(我可能天真了)。

输入y，进入安装。接下来仍然是等待它自动安装完成。

如上图，已经安装完成，测试一下是否安装成功，输入python3进入python编辑环境，输入

import tensorflow as tf

进入python环境，查看tensorflow版本是否为GPU：

import os
from tensorflow.python.client import device_lib
os.environ["TF_CPP_MIN_LOG_LEVEL"] = "99"

if __name__ == "__main__":
    print(device_lib.list_local_devices())

最怕的结果发生了，提示我的是CPUo(╥﹏╥)o，如下图。

那么，我们只能针对对应版本的CUDA、CUDNN、tensorflow安装环境，首先进入CUDA，我安装的是Ubuntu20.04，对应版本的是CUDA11，找不到对应的cudnn，后期也会出现与其他软件不兼容的情况，所以我选择安装CUDA10.2版本，这个版本是我之前在windows环境搭建时候用的。CUDA官网：cuda10.2，选择runfile(local)。

下载之前查看一下支持的CUDA版本

nvidia-smi

我的提示错误：

说明我没有安装，下载nvidia驱动，点击附加驱动，选择对应版本的驱动，我的是2070显卡。

命令下载CUDA10.2：

wget http://developer.download.nvidia.com/compute/cuda/10.2/Prod/local_installers/cuda_10.2.89_440.33.01_linux.run
sudo sh cuda_10.2.89_440.33.01_linux.run

下载时间比较久，安装完成之后，会出现下图，点击continue：

出现下图，输入accept：

出现下图，直接install即可，等待安装完毕：

完成安装后，打开环境变量配置文件（gedit ~/.bashrc）配置CUDA环境变量，输入你的cuda路径（我的如下）：

export PATH=/usr/local/cuda/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

配置完成后，更新环境变量（ source ~/.bashrc）。

输入nvcc -V，查看CUDA是否安装成功，如果正确显示版本，则说明CUDA安装完成。

CUDA已经完成安装，接下来登录CUDNN，下载相应的cudnn版本，我们选择匹配cuda10.2的 v8.0.5版本(NVIDIA是需要登录的)。选择cuDNN Library for Linux版本。

下载完成后解压，进入cudnn解压目录，将cuda/include/cudnn.h文件复制到usr/local/cuda/include文件夹，将cuda/lib64/下所有文件复制到/usr/local/cuda/lib64文件夹中，并添加读取权限：

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

到此cudnn安装完成，接下来安装pip，我的是python3.8，我安装的是pip3。


sudo apt-get install python3-pip python3-dev

pip3安装好之后，安装tensorflow-gpu,我之前安装对应cuda10.2的是tensorflow2.2.0，等待安装完成。

sudo pip3 install tensorflow-gpu 2.2.0

上面这个命令下载速度比较慢，可以通过tensorflow镜像下载，然后本地安装。

从这个镜像网站上选择合适自己的tensorflow版本，我选择的是tensorflow2.2.0。

下载之后，利用pip3离线手动安装：

pip3 install tensorflow_gpu-2.2.0rc3-cp38-cp38-manylinux2010_x86_64.whl

等待安装完成即可：

测试一下，GPU版本的tensoeflow2.2是否安装成功：

终端输入python进入python编辑环境，再次运行之前CPU版本测试tensorflow的的命令：

import os
from tensorflow.python.client import device_lib
os.environ["TF_CPP_MIN_LOG_LEVEL"] = "99"

if __name__ == "__main__":
    print(device_lib.list_local_devices())

输出下面代码，可以看到GPU安装成功：

[name: "/device:CPU:0"
device_type: "CPU"
memory_limit: 268435456
locality {
}
incarnation: 17910963607894806922
, name: "/device:XLA_CPU:0"
device_type: "XLA_CPU"
memory_limit: 17179869184
locality {
}
incarnation: 3581214394208913107
physical_device_desc: "device: XLA_CPU device"
, name: "/device:XLA_GPU:0"
device_type: "XLA_GPU"
memory_limit: 17179869184
locality {
}
incarnation: 16698906140402087813
physical_device_desc: "device: XLA_GPU device"
, name: "/device:GPU:0"
device_type: "GPU"
memory_limit: 7491889408
locality {
  bus_id: 1
  links {
  }
}

在利用tensorflow2版本打印一下字符串，以防万一^_^：

import tensorflow as tf

hello = tf.constant('I am Tensorflow2.2.0')
print(hello)

输出：

tf.Tensor(b'I am Tensorflow2.2.0', shape=(), dtype=string)

成功输出字符串，表明tensorflow GPU版本成功安装，可以开始学习了^_^。

（如果出现你安装Ubuntu20.04 GCC版本较高的话（可能是GCC9），降低一下GCC版本，GCC7为好，我这个20.04默认的就是GCC7，所以没有这个问题。）

可以参考这个命令：

apt-get install gcc-7 g++-7 #安装GCC7
#使用update-alternatives命令，切换GCC版本
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-7 100
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-9 50
#查看gcc的默认版本
sudo update-alternatives --config gcc

LN烟雨缥缈

关注

8
点赞
踩
62

收藏

觉得还不错? 一键收藏
5
评论
Ubuntu20.04安装配置tensorflow2深度学习环境

Ubuntu20.04安装配置tensorflow2深度学习环境之前在windows下配置了tensorflow2的环境，坑也有不少，最近配了台台式机，2070显卡，安装一下Ubuntu20.04系统，具体过程如下，分享给之后安装Ubuntu20系统的同学，仅供参考。一、Ubuntu20.04系统安装从Ubuntu官网http://cn.ubuntu.com/download/下载系统的iso文件，我们选择20.04版本。系统安装参考：Ubuntu安装。只要按照步骤做好U盘启动...
复制链接

扫一扫