1. 安装英伟达驱动
2. 安装conda
3. 安装cuda
4. 安装cudnn
5. 安装tensorflow(两个版本1.13.1, 2.0.0)
作者环境:
操作系统: ubuntu18.04
conda: 4.7.12
显卡: geforce 1080ti
显卡驱动: 440.26
cuda: 10.0.130
cudnn: 7.6.0
本人这边使用的是conda环境,如果不需要conda环境,各位同学需要自己搜索下单独安装cuda和cudnn的资料
先列下驱动,cuda,cudnn,tensorflow以及系统之间的个版本关系
上图展示的是cuda与操作系统之间的版本关系,此图在英伟达的cuda官网有显示,地址如下
https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
上图是tensorflow对应的版本要求,在tensorflow官网也有
https://www.tensorflow.org/install/source
1. 安装显卡驱动
添加官方源
sudo add-apt-repository ppa:graphics-drivers/ppa
更新拉取源
sudo apt-get update
安装驱动,在install nvidi- 时可以按tab 进行补全显示,nvidia-settings是英伟达显卡设置插件
sudo apt-get install nvidia-driver-440 nvidia-settings nvidia-prime
安装完成后,需要重启
测试
nvidia-settings
如果出现下图则代表成功
至此驱动已经安装完成
2. conda安装
清华conda下载地址:https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/?C=M&O=A,本人选择的是
执行安装sh脚本
bash ./Anaconda3-2019.10-Linux-x86_64.sh
安装完成后,重启一个终端,输入下面命令,显示版本即代表成功
conda -V
为了是conda下载速度更快,将conda设置成清华源
conda加入清华源:
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
备注:cuda和cudnn博主的环境是全局安装的,但据博主了解,可以在虚拟环境中安装
3. 安装cuda
conda install cudatoolkit=10.0.130
4. 安装cudnn
conda install cudnn=7.6.0
5. 创建虚拟环境
此处创建tensorflow1.13的版本环境,python版本为3.5大版本
conda create -n tf1.13 python=3.5
此处创建tensorflow2.0的版本环境,python版本为3.5大版本
conda create -n tf2 python=3.5
7. 确定虚拟环境的python版本,python路径,pip版本,pip路径
确认都是虚拟环境里面的
6. 虚拟环境1.13加载cuda和cudnn的环境
因为这个,博主原以为在外部环境安装了cuda和cudnn,然后虚拟环境中就可以使用了,的确,博主在第一次创建tensorflow2.0版本中没有问题,但是在1.13.1环境中出现了问题,网上也找了很多资料都不管用,然后博主在虚拟环境中conda install了cuda和cudnn,就好了,所以博主觉得是虚拟环境中没有cuda和cudnn,我也不确定是不是这个问题
先激活tf1.13环境
conda activate tf1.13
这时候在命令行前面会出现(tf1.13)
分别加载cuda和cudnn
conda install cudatoolkit=10.0.130
conda install cudnn=7.6.0
7. 安装tensorflow1.13
使用pip进行安装,-i 参数是设置源为豆瓣源,不然速度会比较慢
pip install tensorflow-gpu==1.13.1 -i https://pypi.doubanio.com/simple
测试
8. tensorflow2的版本安装
切换虚拟环境
conda activate tf2
确认python, pip路径和版本
安装或加载更新cuda和cudnn,命令和上面的命令一样
conda install cudatoolkit=10.0.130
conda install cudnn=7.6.0
安装tensorflow2.0
pip install tensorflow-gpu==2.0
测试
至此全部安装完成
额外补充
如果想要在jupyter notebook中使用不同版本,则需要在不同的激活环境中安装单独的jupyter
激活tf2的虚拟环境
conda activate tf2
安装jupyter插件
conda install jupyter
启动jupyter
jupyter notebook
确认2.0版本没有问题
切换1.13环境
conda activate tf1.13
conda install jupyter
jupyter notebook
一切已经OK,如果大家有什么问题,随时留言,博主如果看到会帮忙解决