Linux 服务器(命令行)安装TensorFlow-GPU 用python虚拟环境

  研究生第二年了,无论是windows还是linux环境,安装TensorFlow-GPU已经好多次了,第一次纯靠自己安装成功,正值国庆期间比较轻松,写个博客记录一下。
  本次安装主要参考这个博客,但是中间好多次出现问题又去找了其它回答解决了,这里就放一个链接,然后把出现过的问题一并写进来。
  之前安装都是先以先安装Anaconda,python,CUDA,Cudnn的方法,因为版本不对或者安装顺序不对等各种各样的问题,装了缷,卸了装,基本没成功过。后来用python虚拟环境安装,anaconda可以自动安装相应版本的TensorFlow和Cudnn,很快就安装成功了。

文章目录

  • 1、安装Anaconda
    • 下载
    • 安装
  • 2、配置python3.6虚拟环境
  • 3、安装CUDA toolkit
    • 查看CUDA Driver版本
    • 安装CUDA toolkit
  • 4、安装TensorFlow-GPU
  • 5、测试是否安装成功
  • 6、安装pytorch

1、安装Anaconda

下载

下载anaconda命令为
wget https://repo.continuum.io/archive/Anaconda3-5.0.1-Linux-x86_64.sh
但是一直出现HTTP Error 404 的错误,这里采用了一种笨方法,就是在网页上下载安装包后上传到了服务器相应的文件夹下。
anaconda下载地址
Linux 服务器(命令行)安装TensorFlow-GPU 用python虚拟环境_第1张图片
下载后在服务器文件夹下右键上传即可。

安装

首先用 cd 文件名 切换到安装包所在目录
然后 输入命令行 bash Anaconda3-5.2.0-Linux-x86_64.sh

2、配置python3.6虚拟环境

输入命令行 conda create -n tf36 python=3.6
正常情况应该是开始如下图开始下载,
Linux 服务器(命令行)安装TensorFlow-GPU 用python虚拟环境_第2张图片
但是实际一直出现下图的错误
Linux 服务器(命令行)安装TensorFlow-GPU 用python虚拟环境_第3张图片
后来了解到这是因为Anaconda镜像源在国外,要更换到国内的镜像源(并不知道镜像源是什么.jpg),然后就是加了几个命令行,并不知道哪个真正有用,反正就是都写上了
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes
然后!就是一顿下载猛如虎,下载速度都比之前快了多少倍,而且一下就成功了!阶段胜利!开心!
Linux 服务器(命令行)安装TensorFlow-GPU 用python虚拟环境_第4张图片
然后提示激活环境以及释放环境的命令
激活环境 source activate tf36
释放环境 source deactivate
激活环境后命令行前显示当前环境为 tf36
在这里插入图片描述

3、安装CUDA toolkit

查看CUDA Driver版本

命令行 nvidia-smi 注意!!!这里没有空格!!
Linux 服务器(命令行)安装TensorFlow-GPU 用python虚拟环境_第5张图片

安装CUDA toolkit

根据自己的驱动版本安装对应的CUDA toolkit
Linux 服务器(命令行)安装TensorFlow-GPU 用python虚拟环境_第6张图片
比如本人版本为410.48,对应安装CUDA 10.0.130
conda install cudatoolkit=10.0.130 (10.1版本是不能通过 conda 或 pip 下载的,要到官网下载)

4、安装TensorFlow-GPU

万事俱备只欠东风!!
这样安装的好处就在于TensorFlow 和cudnn 的版本会自动匹配 CUDA toolkit 版本
conda install tensorflow-gpu

5、测试是否安装成功

python进入命令行模式
import tensorflow as tf 导入 tensorflow
tf.test.is_gpu_available() 如果显示 True 则大功告成 /耶
Linux 服务器(命令行)安装TensorFlow-GPU 用python虚拟环境_第7张图片

6、安装pytorch

依然在python3.6的虚拟环境下,用清华镜像源下载。
用口令cat /usr/local/cuda/version.txt查看自己的CUDA版本
在网站上查看自己需要的口令,如我的
Linux 服务器(命令行)安装TensorFlow-GPU 用python虚拟环境_第8张图片
出现错误,反正就是cudatoolkit10.0和cudatoolkit8.0冲突了??那我改成8.0试试
Linux 服务器(命令行)安装TensorFlow-GPU 用python虚拟环境_第9张图片
果然可以了!
Linux 服务器(命令行)安装TensorFlow-GPU 用python虚拟环境_第10张图片
然后测试,成功!!
在这里插入图片描述

你可能感兴趣的:(TensorFlow)