Ubuntu19.04下面配置Tensorflow1、Tensorflow2、Pytorch的GPU深度学习环境笔记

1、ubuntu安装navidia驱动
我安装的是ubuntu19.04桌面版版，文件名ubuntu-19.04-desktop-amd64.iso，官网可以下载（安装过程省略）。
安装后可能发生两种问题：启动不了ubuntu系统，制作不了与win10双系统的系统选择菜单。主要是bios设置不当造成，可以百度解决办法。
ubuntu版本的vi编辑器有问题，换成vim编辑器，使用下面命令
sudo apt-get install vim
开始安装显卡，19.04版本安装Navidia显卡驱动很简单不用下载也不用命令
直接dialog操作：显示应用程序-软件和更新-附加驱动-选第一个选项（专有，tested）
2、安装 cuda
sudo apt nvidia-cuda-toolkit
移除
sudo apt remove nvidia-cuda-toolkit
查看驱动
nvidia-smi
如果出现类似如下文字，则成功（我的显卡是GeForce GTX 1070）。
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 418.56       Driver Version: 418.56       CUDA Version: 10.1     |
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|===============================+======================+======================|
|   0  GeForce GTX 1070    Off  | 00000000:01:00.0  On |                  N/A |
|  0%   55C    P8    17W / 220W |    312MiB /  8116MiB |      7%      Default |
+-------------------------------+----------------------+----------------------+
                                                                               
+-----------------------------------------------------------------------------+
| Processes:                                                       GPU Memory |
|  GPU       PID   Type   Process name                             Usage      |
|=============================================================================|
|    0      1315      G   /usr/lib/xorg/Xorg                           136MiB |
|    0      1460      G   /usr/bin/gnome-shell                         166MiB |
|    0      2988      G   /usr/lib/firefox/firefox                       3MiB |
|    0      6907      G   ...-2019.2.1/pycharm-2019.2.1/jbr/bin/java     3MiB |
+-----------------------------------------------------------------------------+
查看cuda
nvcc -V
如果出现类似下面文字，则安装成功。
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2019 NVIDIA Corporation
Built on Fri_Feb__8_19:08:17_PST_2019
Cuda compilation tools, release 10.1, V10.1.105

3、安装cudnn
下载解压后有一个cuda文件夹，将cuda文件夹中的文件copy到nvidia-cuda中
执行copy即可：
sudo cp ./include/cudnn.h /lib/cuda/include/
sudo cp -P ./lib64/libcudnn* /lib/cuda/lib64/
sudo chmod a+r /lib/cuda/include/cudnn.h /lib/cuda/lib64/libcudnn*
sudo ldconfig

4 安装 conda

从清华镜像网站（或其他镜像网站）https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/下载Anaconda3-5.3.1-Linux-x86_64.sh

bash Anaconda3-5.3.1-Linux-x86_64.sh
创建新的环境
conda create --name tf2 tensorflow=2.0
克隆一个（从base环境中克隆一个ft2环境）
conda create -n tf2 --clone base
查看虚拟环境
conda info --envs 或
conda env list
选择虚拟环境
source activate tf2
推出虚拟环境
source deactivate
删除环境
conda env remove -n 名字

解决pip安装包速度慢问题
新建~/.pip/pip.conf文件，默认是不存在的，需要手动创建。创建好之后，写入如下内容即可。

[global]
trusted-host =  mirrors.aliyun.com
index-url = http://mirrors.aliyun.com/pypi/simple
timeout = 6000 #避免下载大文件超时

解决conda命令安装速度慢问题
conda create -n tf2 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/linux-64/

 

5、安装tensorflow

pip install --upgrade
由于tensorflow版本2刚上市还不完善（但版本2代码风格很清新，是未来趋势），为了兼容以前代码我安装了两个版本。
版本1
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow

版本2
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple  tensorflow-gpu==2.0.0rc0
在安装2.0过程估计要删除wrapt包
sudo pip uninstall wrapt
更新某些包
pip install 包名

测试
import tensorflow as tf
print(tf.__version__)
如果输出1.14.0 则是 tftensorflow版本1，如果输出2.0.0-rc0则是tftensorflow版本2。
这里有一个很好的版本2入门教程https://blog.csdn.net/qq_31456593/article/details/88377117

下面这个代码只能在tensoreflow版本1上面跑
import numpy as np
import matplotlib.pyplot as plt
import tensorflow as tf
hello = tf.constant('hello,tensorflow')
sess = tf.Session()
print(sess.run(hello))
x=np.linspace(-np.pi,np.pi,100)
y=np.sin(x)
plt.plot(x,y)
plt.show()

正确情况下上述代码输出 b'hello,tensorflow'和显示一幅图像

6、Pytorch安装

新建虚拟环境
conda create -n pytorch python=3.7
进入pytorch 环境
conda activate pytorch
安装GPU版本Pytorch（最新版本1.2）
通过官网https://pytorch.org/get-started/locally/选择相应的环境，copy官网提供的安装命令进行安装
conda install pytorch torchvision cudatoolkit=10.0 -c pytorch
但是上述安装过程中下载速度很慢，在国内换成如下命令
conda install pytorch torchvision cudatoolkit=10.0 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/linux-64/

测试
import torch  # 导入torch包 如果没有报错则表示安装成功
print(torch.cuda.is_available())  # 返回True则表示GPU可用， 反之则不可用

可能出现版本不匹配错误：
ImportError: libcudart.so.9.0: cannot open shared object file: No such file or directory
换成cudatookit9.0
conda install cudatoolkit=9.0 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/linux-64/
关于pytorch编程入门参考 https://www.cnblogs.com/yifdu25/p/8975250.html

7、安装Pycharm
也可以安装VScode（这个是免费的，可以直接在“ubuntu软件”菜单里面对话框安装，但VScode在conda环境切换上不如Pycharm方便
下载地址http://www.jetbrains.com/pycharm/download/#section=linux
解压安装包后进入bin目录，运行下面代码
bash pycharm.sh
具体安装过程可以参考https://www.cnblogs.com/kk17/p/10008143.html