Ubuntu16.04 + CUDA9.0 + cuDNN7.3 + Tensorflow-gpu-1.12 + Jupyter Notebook 深度学习环境配置

最新推荐文章于 2022-09-08 09:51:14 发布
最新推荐文章于 2022-09-08 09:51:14 发布
阅读量2.5k 收藏 6
点赞数 2
分类专栏： 深度学习 文章标签： 深度学习 Ubuntu CUDA Tensorflow Jupyter Notebook
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/youngping/article/details/84260344
版权

文章目录

上篇博文主要写了在Ubuntu18.04下安装配置深度学习环境的有关操作过程，考虑到很多同学还是使用ubuntu16.04，因此这里专门补一篇关于16.04的博文，其实在18.04下配置环境跟16.04下差距不大，关键是掌握好ubuntu版本、Nvidia显卡驱动版本、CUDA版本、cuDNN版本、Tensorflow版本之间的兼容关系即可。

目前我们采用如下环境配置：

  1. 系统：Ubuntu16.04.5 LTS
  2. 显卡驱动（1080Ti）：Nvidia-384
  3. CUDA版本：CUDA ToolKit9.0 + 四个update patch
  4. cuDNN版本：cuDNN v7.3 for CUDA 9.0
  5. Tensorflow版本：Tensorflow-gpu1.12

一、Ubuntu16.04 LTS系统的安装

安装过程跟上一篇博文关于18.04系统的安装完全一致，请参考上篇博文，这里不赘述。

二、设置软件源的国内镜像

1. 设置方法

Ubuntu在安装软件的过程中，默认从其官方源下载，但由于国内网络的原因，往往很慢。因此为了加快安装速度，建议设置国内镜像。在ubuntu系统中，软件源记录在/etc/apt/source.list文件中，因此，我们只需要将要加入的国内镜像的地址写入这个文件即可，在写入之前记得备份一下原始的内容。

sudo cp /etc/apt/source.list /etc/apt/source.list.bak  # 备份
sudo gedit /etc/apt/source.list                        # 用gedit打开source.list文件

将下述内容全部拷贝到source.list文件的头部，保存退出。

deb http://mirrors.aliyun.com/ubuntu/ xenial main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ xenial-security main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ xenial-updates main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ xenial-proposed main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ xenial-backports main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ xenial main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ xenial-security main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ xenial-updates main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ xenial-proposed main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ xenial-backports main restricted universe multiverse

然后，在命令行执行如下命令更新软件源

sudo apt-get update

等待片刻，软件源更新完成，这样采用apt-get install方式安装软件时将优先从上述国内镜像地址寻找软件源，速度将快不少。到此，如果你不想了解关于国内镜像的知识，可以直接进入下一节开始显卡驱动的安装，如果想了解ubuntu的镜像知识，可以继续往下看。

2.关于ubuntu镜像的小知识

首先，简单介绍下关于Ubuntu的source.list文件的内容，该文件在/etc/apt/目录下，它记录了ubuntu软件更新的源的地址及目录，默认是ubuntu的官方源，source.list文件内容的具体含义如下：

1234567
deburl版本代号（比如xenial）mainrestricteduniversemultiverse
deb-srcurl版本代号（比如xenial）mainrestricteduniversemultiverse

上述格式中，第1列为deb或deb-src，分别代表直接通过.deb文件进行安装和通过source code源文件进行安装两种方式；第2列为URL地址，比如ubuntu官方源的地址为http://archive.ubuntu.com/ubuntu/，第3列为版本代号,具体见下表（这里只给出.04版本的，其它版本可以自己取查看），一般只取代号的第一个单词（比如16.04版本只取Xenial这个单词），需要注意的是版本一般有5个不同的类别（这里以xenial为例说明，一般有xenial, xenial-updates, xenial-security，xenial-proposed xenial-backports，一个类别一条记录，实际上是一个文件夹），从第4列到第7列为版本代号文件夹下不同的文件夹的名称（一般也有4个不同的文件夹，分别为：main,restricted,universe,multiverse，其具体意义见下表），当然第4到第7列是并列关系，完全可以每个文件夹一条记录，也可以并列在一起。

版本号版本代号
14.04Trusty Tahr (可靠的塔尔羊)
15.04Vivid Vervet (活泼的小猴)
16.04Xenial Xerus (好客的非洲地松鼠)
17.04Zesty Zapus(开心的跳鼠)
18.04Bionic Beaver（仿生海狸）
文件夹名意义
main完全的自由软件
restricted不完全的自由软件
universe官方不提供支持与补丁，全靠社区支持
multiverse非自由软件，完全不提供支持和补丁

下面分别给出16.04版本的官方源、阿里云源、以及清华的源

  1. 官方源
deb http://archive.ubuntu.com/ubuntu/ xenial main restricted universe multiverse
deb http://archive.ubuntu.com/ubuntu/ xenial-security main restricted universe multiverse
deb http://archive.ubuntu.com/ubuntu/ xenial-updates main restricted universe multiverse
deb http://archive.ubuntu.com/ubuntu/ xenial-proposed main restricted universe multiverse
deb http://archive.ubuntu.com/ubuntu/ xenial-backports main restricted universe multiverse
deb-src http://archive.ubuntu.com/ubuntu/ xenial main restricted universe multiverse
deb-src http://archive.ubuntu.com/ubuntu/ xenial-security main restricted universe multiverse
deb-src http://archive.ubuntu.com/ubuntu/ xenial-updates main restricted universe multiverse
deb-src http://archive.ubuntu.com/ubuntu/ xenial-proposed main restricted universe multiverse
deb-src http://archive.ubuntu.com/ubuntu/ xenial-backports main restricted universe multiverse
  1. 阿里云源
deb http://mirrors.aliyun.com/ubuntu/ xenial main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ xenial-security main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ xenial-updates main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ xenial-proposed main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ xenial-backports main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ xenial main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ xenial-security main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ xenial-updates main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ xenial-proposed main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ xenial-backports main restricted universe multiverse
  1. 清华的源
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial main multiverse restricted universe
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-backports main multiverse restricted universe
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-proposed main multiverse restricted universe
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-security main multiverse restricted universe
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-updates main multiverse restricted universe
deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial main multiverse restricted universe
deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-backports main multiverse restricted universe
deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-proposed main multiverse restricted universe
deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-security main multiverse restricted universe
deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-updates main multiverse restricted universe

三、Nvidia显卡驱动的安装

1. 首先查看显卡型号和推荐的显卡驱动

ubuntu-drivers devices

在这里插入图片描述
从输出的信息看到推荐的是nvidia-driver-390的驱动，因此我们安装nvidia-390驱动。需要注意的是有个奇怪的现象就是在中断输入上述命令，有可能得到不同的推荐，比如有可能推荐384或396或410驱动，在16.04系统上，我们安装384驱动比较保险（Tensorflow1.12最低要求384以上版本的驱动）。

2. 安装nvidia-384版本驱动

# 将系统中存在的nvidia驱动全部卸载掉（如果有的话）
sudo apt-get purge nvidia*

# 添加ppa源并更新
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update

# 安装nvidia-384版本
sudo apt-get install nvidia-384

安装速度取决于下载速度，还是有点慢，但勉强接受，如果安装失败，可以再试1次。安装完毕记得一定要重启系统。

3. 重启系统，可以查看安装是否成功

nvidia-smi

四、CUDA9.0的安装

1. CUDA版本选择

目前CUDA已经到了CUDA10.0版本，但遗憾的是目即使最新的Tensorflow1.12也暂时只支持CUDA9.0，因此，我们选择9.0版本进行安装。当然，如果实在想尝鲜，可以通过tensorflow的源码安装，需要自己编译，我们将在另外文章中专门介绍，这里不详述。

2. 安装CUDA9.0

首先从Nvidia官网下载cuda-repo-ubuntu1604-9-0-local_9.0.176-1_amd64.deb和 4个补丁 文件。安装步骤如下：

Step1：切换到下载好的文件目录，并安装meta-data

sudo dpkg -i cuda-repo-ubuntu1604-9-0-local_9.0.176-1_amd64.deb

Step2: 安装CUDA的GPG Public Key

sudo apt-key add /var/cuda-repo-9-0-local/7fa2af80.pub

Step3：更新APT源

sudo apt-get update

Step4：安装CUDA

sudo apt-get install cuda

Step5：安装补丁

sudo dpkg -i cuda-repo-ubuntu1604-9-0-local-cublas-performance-update_1.0-1_amd64.deb
sudo dpkg -i cuda-repo-ubuntu1604-9-0-local-cublas-performance-update-2_1.0-1_amd64.deb
sudo dpkg -i cuda-repo-ubuntu1604-9-0-local-cublas-performance-update-3_1.0-1_amd64.deb
sudo dpkg -i cuda-repo-ubuntu1604-9-0-176-local-patch-4_1.0-1_amd64.deb
sudo apt-get update
sudo apt-get upgrade cuda

当然，不安装上述补丁对后续的安装也应该没多大影响，但是建议还是把上述4个补丁全部安装，这对系统运行的性能可能有所提升。

3. 设置环境变量

在 ~/.bashrc中设置环境变量：

export PATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
export CUDA_HOME=/usr/local/cuda

运行如下命令使得环境变量生效

source ~/.bashrc

测试环境变量是否生效，可以运行一下nvidia的查看CUDA版本的命令

nvcc --version

在这里插入图片描述
如果出现上述信息，说明环境变量设置生效。

五、cuDNN7.3的安装

这里我们选择下载cuDNN v7.3 for CUDA9.0版本（子项为cuDNN v7.3 Library for Linux），安装包为cudnn-9.0-linux-x64-v7.3.1.20.tgz。

Step1: 解压

tar -zxvf cudnn-9.0-linux-x64-v7.3.1.20.tgz

在当前目录下会生成cuda目录

Step2：将cudnn.h文件和lib文件拷贝到CUDA的安装目录下

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

注意上面第二行命令中的-d不能少，否则会提示.so不是symbol link。

Step3：赋予执行权限

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

经过上述步骤，就基本配置好了系统以及CUDA环境，下面我们就可以安装配置Tensorflow框架了

六、Tensorflow-1.12的安装

1. Python开发环境配置.

首先，我们要确保系统中安装了如下Python环境：
python3, pip3，以及 virtualenv，在命令行查询相应的版本

python3 --version
pip3 --version
virtualenv --version

如果提示没有安装，则用如下命令安装：

sudo apt update
sudo apt install python3-dev python3-pip
sudo pip3 install -U virtualenv

2. 创建Python虚拟环境

python的虚拟环境用来隔离系统和相应的安装包，这非常有利于不同版本之间的隔离，总之好处多多，尤其是不同的项目使用不同的软件版本时，能避免令人头痛的版本混乱问题，强烈建议安装虚拟环境。安装命令如下：

virtualenv --system-site-packages -p python3 ./venv

上述命令的意思是创建一个虚拟环境（该虚拟环境文件被放置到venv目录下），该环境使用python3，并且将python3下已经安装的包都复制过来（–system-site-packages），如果选择不复制python3下已经安装的包，则使用–no-site-packages，这样，已经安装到系统python环境中的所有第三方包都不会复制过来，这样就会得到一个不带任何第三方包的“干净”的python运行环境。这里我们选择复制python3下已经安装的软件包。

如果要使用，则用下述命令激活该虚拟环境

source ./venv/bin/activate

如果环境激活，则shell命令行前面会出现(venv)。
在该虚拟环境下安装任何软件包都不会影响系统python环境。如果要退出该虚拟环境，则在命令行执行即下述命令可退出该虚拟环境。

deactivate

3. 建立软链接

为了使用方便，我们可以建立一个软链接，假设我们的虚拟环境安装的绝对路径是/home/scek/Project/venv/，则激活的shell命令的绝对路径是/home/scek/Project/venv/bin/activate。一般我们启动终端的时候，会默认在/home/scek/目录下，在这个目录下建立软链接，链接名称假设为venv，则用下面命令：

ln -s ./Project/venv/bin/activate  venv

建立软链接之后，一启动终端，就可以直接输入：

source venv

即可激活虚拟环境，对比原始命令

source ./Project/venv/bin/activate

方便了不少。

4. 安装Tensorflow

安装很简单，执行如下命令即可：

pip install tensorflow-gpu

上述命令会安装最新的release版本(目是1.12版本)，如果要指定安装版本，则采用如下命令

pip install tensorflow-gup = 1.10

但是由于国内网络环境问题，安装速度慢的无法忍受，这里我们推荐采用清华的pypi镜像进行安装：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu

测试安装是否成功

python -c "import tensorflow as tf; print(tf.__version__)"

如果安装成功，则会输出当前的版本。
为了方便其他pip包安装的方便，我们可以将pypi源永久修改，免得每次都要输入镜像地址：

首先在当前用户目录下新建~/.pip/pip.conf

mkdir .pip
sudo vim .pip/pip.conf

将下述内容写入pip.conf文件中并保存

[global]
index-url = https://mirrors.aliyun.com/pypi/simple
[install]
trusted-host=mirrors.aliyun.com

这里我们采用了阿里云的pypi源，也可以采用其它的源：

https://pypi.tuna.tsinghua.edu.cn/simple    # 清华
http://mirrors.aliyun.com/pypi/simple/      # 阿里云
https://pypi.mirrors.ustc.edu.cn/simple/    # 中国科技大学 
http://pypi.hustunique.com/                 # 华中理工大学
http://pypi.sdutlinux.org/                  # 山东理工大学
http://pypi.douban.com/simple/              # 豆瓣

七、Jupyter notebook的安装配置

写python代码，可以采用的工具有很多：

  1. 直接在命令行输入python，即可进入python开发环境
  2. 用第三方代码编辑器，推荐使用sublime text3。 或者用第三方IDE工具， 比如Pycharm， 但是这个软件很耗内存，IDE工具的优点和缺点基本都有，个人不太喜欢使用这个IDE。
  3. 使用Jupyter Notebook. Jupyter Notebook（此前被称为 IPython notebook）是一个交互式笔记本，支持运行 40 多种编程语言。是非常友好的一款开发工具，尤其适用于代码测试，编写交互式文档，等等。需要注意的是，因为我们将tensorflow等工具安装在venv虚拟环境下，因此，为了在jupyter中正常使用tensorflow，就必须做一些额外的工作，下面给出具体步骤：

（1）step1：安装jupyter notebook

sudo pip install jupyter

（2）step2：进入venv虚拟环境（注意必须进入虚拟环境），设置kernel

pip install ipykernel
python -m ipykernel install --user --name=tensorflow

上述–name=tensorflow是设置显示的环境名称，当然可以起一个任意的名字。
（3）Step3：启动jupyter

jupyter notebook

启动之后，在new新文件时可以选择tensorflow作为内核即可。

通过上述步骤，我们已经完全配置了深度学习所需的基本环境，可以在深度学习的海洋中遨游了。

ypzhai
关注
  • 2
    点赞
  • 踩
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Ubuntu18.04 + CUDA9.0 + cuDNN7.3 + Tensorflow-gpu-1.12 + Jupyter Notebook深度学习环境配置
YoungPing的专栏
11-19 7993
Ubuntu18.04 + CUDA9.0 + cuDNN7.3 + Tensorflow-gpu-1.12 + Jupyter Notebook深度学习环境配置一、Ubuntu18.04 LTS系统的安装1. 安装文件下载2. 制作U盘安装镜像文件3. 开始安装二、设置软件源的国内镜像1. 设置方法2.关于ubuntu镜像的小知识三、Nvidia显卡驱动的安装1. 首先查看显卡型号和推荐的显卡驱...
深度学习环境配置：win10+cuda9.0+cudnn v7+anaconda+tensorflow1.8/1.9（gpu）jupyter notebook
小飞侠的博客
11-28 663
笔记本配置：联想Y7000，GPU1050ti 一、准备文件： 1. Anaconda3-5.1.0 2. 显卡驱动 （如果有，就不用安装了（一般刚装完系统都会安装这些驱动）） 3. CUDA-9.0.176.win10 4. CUDNN-9.0-windows10-x64-v7 链接: 所需文件在云盘. 提取码：4umg 二、安装顺序： 1 . 安装Anaconda(最后有个ad...
gpu-jupyter:通过NVIDIA GPU的功能来利用Jupyterlab的灵活性，以在GPU上的协作笔记本中运行Tensorflow和Pytorch的代码
05-13
GPU Jupyter 利用NVIDIA GPU的功能来利用Jupyter笔记本电脑，并在协作笔记本电脑中使用Tensorflow和Pytorch执行GPU计算。 首先，感谢为数据分析/科学应用程序创建和维护了健壮的Python，R和Julia工具栈。 该项目使用NVIDIA CUDA映像作为基础映像，并在其之上安装其工具堆栈，以在Jupyter笔记本电脑中启用GPU计算。 该存储库的映像在上。 内容 快速开始 需要具有NVIDIA GPU的计算机。 安装 1.10.0+版本和 1.28.0+版本。 通过Docker容器中的CUDA驱动程序访问您的GPU。 如果命令docker run --gpus all nvidia/cuda:11.0.3-cudnn8-runtime-ubuntu20.04 nvidia-smi返回的结果与此类似，则可以确定可以在Docker中访问GPU。 M
ubuntu16.04安装nvidia驱动+cuda9.0+cuDnn7
qq_28634403的博客
11-19 346
先把大佬的博客贴在这里， 本文并不准备进行全面讲解，大佬的博客已经写得相当详细了，只对部分内容进行修改注释。 史上最全的ubuntu16.04安装nvidia驱动+cuda9.0+cuDnn7.0 一. 背景 这几天，准备入门知识图谱，可惜兴致勃勃地看完了很多入门教程后，被环境搭建这一关卡死，最后选择先跑通一个seq2seq的模型，暂时不打算管复杂的知识库搭建的操作。（看起来简单， 但是总是...
Ubuntu16.04 + CUDA + cuDNN + virtualenv + Tensorflow
Haku_yyf的博客
11-09 927
Prerequirement:    HardWare:               motherboard:  Support extended independent graphics card(GPU)               CPU:  i7-7* or better               Memory:  16G or more               SSD: ...
ubuntu16.04 cuda cudnn tensorflow
ef-eve的博客
06-11 600
一. Pip安装：$ sudo apt-get install python-pip python-dev # for python $ sudo apt-get install python3-pip python3-dev # for python3 二.安装英伟达显卡驱动 1查看自身版本 lspci | grep -i vga lspci | grep -i n
ubuntu安装cuda/cuDNN/TensorRT
qq_42731705的博客
03-28 4977
Ubuntu安装和卸载CUDA和CUDNN Ubuntu 18.4 查看CUDNN版本
ubuntu+cuda+cudnn+tensorflow(caffe)
OneCoder的博客
07-23 554
ubuntu16.04.4-desktop-amd64 + python3.6.4+cuda9.0+cudnn-9.0-linux-x64-v7.1 另一个环境：ubuntu16.04.4+anaconda2(py2.7)+cuda8.0+cudnn(for cuda8.0&linux+caffe) 整个过程的顺序应该是ubuntu——>python——>显卡驱动——&gt...
ubuntu+cuda+cudnn+tensorflow（亲测可用，包括遇到的坑都有解释）
开源世界
12-19 1291
一、查看显卡信息： 查看显卡： lspci | grep -i nvidia #我的是06:00.0 3D controller: NVIDIA Corporation Device 15f8 (rev a1) 然后看显卡驱动： lsmod | grep -i nvidia #我刚装完系统后没有任何驱动，所以这里有没有没关系。 二、安装显卡驱动 1、自己下载安装： 去官...
Ubuntu16.04+CUDA8.0+CUDNN5.1+Tensorflow
a244376116的博客
03-09 997
CUDA环境变量配置 1234567 export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64/${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}# 注意这里要路径要和Nvida驱动版本一致expor
win10 anaconda+tensorflow-gpu+jupyter notebook安装配置
baidu_38431960的博客
09-08 1239
深度学习环境配置
ubuntu16.04+tensorflow-gpu-1.12+cuda10.0+cudnn7.3
小沙粒看未来
02-27 1398
显卡1050Ti，驱动 418.43. cuda 10.0安装完毕后： sudo vi ~/.bashrc export CUDA_HOME=/usr/local/cuda export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}} export PATH=/usr/lo...
tensorflow1.12+cuda9.0+cudnn7.3
小沙粒看未来
03-04 845
export PATH="/usr/bin/python3:$PATH" export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64 export PATH=$PATH:/usr/local/cuda/bin export CUDA_HOME=$CUDA_HOME:/usr/local/cuda 安装了一遍cuda9.0...
Ubuntu16.04安装CUDA9.0+cuDNN7.3GPU版TensorFlow过程记录
wgllovemother的博客
10-10 5570
要使用支持cuda的GPU，查看GPU是否支持cuda，查看https://developer.nvidia.com/cuda-gpus 需要安装如下软件支持： 从CUDA 4.1版本开始，现在支持gcc 4.5。gcc 4.6和4.7不受支持。 从CUDA 5.0版本开始，现在支持gcc 4.6。gcc 4.7不受支持。 从CUDA 6.0版本开始，现在支持gcc 4.7。 从CU...
解决无法在jupyter notebook里面引入tensorflow
coder
08-03 3万+
环境：我在Ubuntu系统下安装的anaconda3，然后并在里面使用env安装的tensorflow，之前安装的jupyter notebook并不是在我的tensorflow环境下安装的，所以你无法引入tensorflow。 这是我在安装之前的展示的jupyter的结果： 很显然，我的jupyter是anaconda自带的，并不是tensorflow下面的jupyter，所以需要重新的安装...
anaconda配置tensorflow-gpu环境并在jupyter notebook使用（两种方法：命令行/anaconda内）
Ang_go的博客
01-30 4636
本文是有关anaconda配置tensorflow-gpu环境，将通过命令行和anaconda内两种方式，读者可自行选择，let’s go！ 以下目录1、2两章内容相同，方式不同，择其一即可。 anaconda配置tensorflow-gpu环境一、anaconda内创建tensorflow虚拟环境二、命令行终端（Anaconda Prompt）创建tensorflow虚拟环境 一、anaconda内创建tensorflow虚拟环境 1.创建环境：打开anaconda，选择左侧environments，点击
Windows10环境下安装Anaconda和tensorflow-gpu，然后在jupyter notebook上使用
echo_hao的博客
12-14 4959
一、进行Anaconda的下载和安装 在官方网站下载Anaconda的Windows版本，下载的网址是https://www.anaconda.com/download/，根据自己电脑的位数下载对应的客户端，推荐下载Python 3.7 version*版本。 下载完成之后进行Anaconda的安装： 1.首先打开客户端，点击Next。 2.点击I Agree。 3...
Ubuntu16.04安装cuda9.0
NeverFadeAway的博客
08-04 859
由于比赛需要，我和小伙伴给好几台机器都配置了cuda环境。安装cuda的时候虽然参考了很多教程，但也避免不了踩坑，因此总结了一个比较完善的方法。 1.更换linux内核 Ubuntu16.04一般都是4.15的内核，而cuda9.0不支持此版本的内核，因此需要更换为4.4版本。 (1)查看已安装的内核版本 dpkg -l | grep linux-image (2)查看当前使用的内核...
tensorflow版本与cuda cuDNN版本对应使用
热门推荐
养只狗名叫冬菇
07-18 4万+
tensorflow-gpu v1.9.0 |cuda9.0 | cuDNN7.1.4可行 | 备注：7.0.4/ 7.0.5/ 7.1.2不明确 tensorflow-gpu v1.8.0 | cuda9.0 | cuDNN 不明确 | 备注：7.0.4/ 7.0.5/ 7.1.2/ 7.1.4 tensorflow-gpu v1.7.0 | cuda9.0 | cuDNN 不...
Ubuntu 16.04+Cuda 9.0+Cudnn 7.0.5+OpenCV 3.4.0+Caffe 配置教程
在Ubuntu 16.04环境下，本文档详细介绍了如何...这份指南提供了一个详尽的Ubuntu 16.04系统上CUDA 9.0、cuDNN 7.05、OpenCV 3.4.0和Caffe的配置教程，适合那些希望在不同硬件平台上搭建深度学习开发环境的用户参考。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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