Anaconda3+CUDA10.1+CUDNN7.6+TensorFlow2.6安装（Ubuntu16）

欢迎访问我的GitHub

https://github.com/zq2599/blog_demos

内容：所有原创文章分类汇总及配套源码，涉及Java、Docker、Kubernetes、DevOPS等；

本篇概览

• 本篇记录了自己在Ubuntu 16.04.7 LTS系统上搭建TensorFlow2开发环境的过程，用于将来重装时的参考
• 硬件是2018年购买的惠普暗隐精灵3代，显卡GTX1060，已经安装了Ubuntu16 LTS桌面版
• 执行本篇操作前需要安装Nvidia的驱动，详情请参考《Ubuntu16安装Nvidia驱动(GTX1060显卡)》
• 查看驱动信息，如下图，可见CUDA版本是10.1

版本匹配

• 去tensorflow官网查看版本匹配关系，地址：https://tensorflow.google.cn/...
• 如下图，在我的电脑上有三个合适的版本：

安装

• 注意：接下来的所有操作并未使用root账号
• 下载anaconda3，地址：https://www.anaconda.com/prod...，如下图，可见官方最新版本对应的Python是3.8，符合前面的TensorFlow版本匹配表中的Python版本，所以，就下载最新版吧（此刻是2021.05版）

• 由于个人习惯，我的操作都是在MacBook上远程SSH到Ubuntu16电脑上操作的，和在本地执行命令行并无区别，您可以随意
• 增加可执行权限：

chmod a+x Anaconda3-2021.05-Linux-x86_64.sh

• 运行：

bash Anaconda3-2021.05-Linux-x86_64.sh

• 按照提示输入回车：

• 翻阅文档，按照要求输入yes：

• 是否初始化，输入yes：

• 安装完成：

• 退出ssh重新登录，输入python即可进入anaconda环境的python：

(base) will@ubuntu-hp:~$ python
Python 3.8.8 (default, Apr 13 2021, 19:58:26)
[GCC 7.3.0] :: Anaconda, Inc. on linux
Type "help", "copyright", "credits" or "license" for more information.

• 创建新的conda环境，名为py38：

conda create -n py38 python=3.8.8

• 激活py38：

conda activate py38

• 安装指定版本的tensorflow，指定国内源以加快下载速度：

pip install tensorflow-gpu==2.3.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

• 安装CUDA：

conda install cudatoolkit=10.1 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/linux-64/

• 安装cudnn：

conda install cudnn=7.6.5

• 安装完成，接下来验证一下是否GPU版的TensorFlow是否安装成功

验证

• 退出ssh，重新登录
• 查看有哪些conda环境，以及正在使用哪个，输入命令conda info --e，如下，星号所在的行表示正在使用的是base环境，并非咱们要用的py38：

(base) will@ubuntu-hp:~$ conda info --e
# conda environments:
#
base                  *  /home/will/anaconda3
py38                     /home/will/anaconda3/envs/py38

• 执行source activate py38即可切换到py38环境
• 直接输入python进入python交互模式
• 导入tensorflow：

import tensorflow as tf

• 显示导入成功：

2021-10-08 23:08:55.391471: I tensorflow/stream_executor/platform/default/dso_loader.cc:48] Successfully opened dynamic library libcudart.so.10.1

• 以下代码表示检查tensorflow能否得到CUDA支持，支持就会返回True，否则返回false：

tf.test.is_built_with_cuda()

• 以下代码表示检查tensorflow能否获取到GPU：

tf.test.is_gpu_available()

• 如果能获取到会返回Ture，并且输出的部分日志信息如下，可见显卡信息已成功取到：

2021-10-08 23:09:34.367795: I tensorflow/stream_executor/cuda/cuda_gpu_executor.cc:982] successful NUMA node read from SysFS had negative value (-1), but there must be at least one NUMA node, so returning NUMA node zero
2021-10-08 23:09:34.368110: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1402] Created TensorFlow device (/device:GPU:0 with 5088 MB memory) -> physical GPU (device: 0, name: GeForce GTX 1060 6GB, pci bus id: 0000:01:00.0, compute capability: 6.1)
True

• 作为对比，下图是MabBook上的CPU版本TensorFlow执行结果：

• 至此，安装完成。

你不孤单，欣宸原创一路相伴

1. Java系列
2. Spring系列
3. Docker系列
4. kubernetes系列
5. 数据库+中间件系列
6. DevOps系列

欢迎关注公众号：程序员欣宸

微信搜索「程序员欣宸」，我是欣宸，期待与您一同畅游Java世界...
https://github.com/zq2599/blog_demos