ubuntu下tensorflow-gpu环境搭建(通过anaconda,不需要手动安装cuda和cudnn)

本篇文章主要讲解在Ubuntu16.04环境下,搭建TensorFlow框架,主要是GPU版本的。下面我采用conda安装tensorflow-gpu。


第一步:安装navidia driver

Ubuntu下安装nvidia显卡驱动(安装方式简单)

第二步:安装anaconda

参考我的另一篇文章: ubuntu下的anaconda安装,这篇文章包含了详细的安装流程,anaconda镜像库,以及anaconda教程。

第三步:安装tensorflow-gpu

terminal下run

conda create -n tensorflow python=2.7
source activate tensorflow
conda install -c conda-forge tensorflow-gpu

若要在终端使用 Tensorflow, 则要先输入 source activate tensorflow,退出时输入 source deactivate

安装过程中会自动安装相关的依赖包,如cuda、cudnn等等

虽然自动安装的依赖cuda、cudnn,tensorflow-gpu也可以工作,但是我们还是建议读者手动安装cuda、cudnn(Ubuntu下安装cuda+cudnn)。因为这样可自己配置cuda以及cudnn版本信息,并且cuda、cudnn相关的包也是在默认目录下,而不是在anaconda下,以免其他环节使用时出错

测试:
进入terminal并run:python, 在python环境下引入tensorflow: import tensorflow as tf,如果没有报错,那么安装成功

测试GPU

测试代码如下:

import tensorflow as tf
a = tf.constant([1.,2.,3.,4.,5.,6.], shape=[2,3], name='a')
b = tf.constant([1.,2.,3.,4.,5.,6.], shape=[3,2], name='b')
c = tf.matmul(a,b)

with tf.Session(config= tf.ConfigProto(log_device_placement=True)) as sess:
    print(sess.run(c))

结果如下:
这里写图片描述
表面安装成功,且可以使用tensorflow-gpu运行GPU
GPU使用率:terminal下run:nvidia-smi -q -g 0 -d UTILIZATION -l
or run:watch -n 2 nvidia-smi


参考资料

conda-forge: conda库,速度比较快,整理的比较好
Anaconda+Tensorflow环境安装与配置
How to install the latest Nvidia drivers on Ubuntu 16.04
Ubuntu16.04 安装 CUDA、CUDNN、OpenCV 并用 Anaconda 配置 Tensorflow 和 Caffe 详细过程

环境

ubuntu16.04
显卡: GTX970M

你可能感兴趣的:(----机器学习环境搭建,AI,AI环境搭建)