python3搭建tensorflow的gpu版虚拟环境

背景：

本机以安装完成英伟达1080的驱动，更新到410以上版本，同时安装上gpu加速工具CUDA10。本机操作系统为ubuntu18，装有python3（3.8.6）。

第一步：安装虚拟环境库

打开终端，输入：
pip install virtualenv

屏幕截图.png

第二步：创建虚拟环境

创建python3虚拟环境，终端输入：
python3 -m venv tutorial-env

屏幕截图.png

激活虚拟环境：
source tutorial-env/bin/activate

屏幕截图.png

该行的前缀变化了！

退出虚拟环境：
deactivate

屏幕截图.png

前缀消失

第三步：在虚拟环境中搭建gpu版tensorflow

激活虚拟环境：
source tutorial-env/bin/activate

终端输入：
pip install tensorflow-gpu

屏幕截图.png

PS：提示权限问题，使用root命令：
sudo pip install tensorflow-gpu

由于tensorflow是外网，速度很慢，可以下将终端中提示网址的安装包下载好，放在当前目录下直接安装，

屏幕截图.png

在终端输入安装名字（tap可以补全）：
pip install tensorflow_gpu-1.14.0-cp36-cp36m-manylinux1_x86_64.whl

2019-07-15 15-54-05 的屏幕截图.png

第四步：测试虚拟环境

终端输入：
source tutorial-env/bin/activate
进入虚拟环境

输入：python
进入python环境

屏幕截图.png

输入>>>import tensorflow as tf
导入tensorflow库

没有报错，tensorflow安装好了，再继续测试gpu，设置一个常量
输入>>>a = tf.constant(1)

打开tensorflow的对话，输入>>>sess = tf.Sesion()

打印出很多，会出现gpu型号和相关信息

用常量测试一下这个对话>>>sess.run(a)

打印出常量a的值即整个环境搭建好了。

第五步：复用

在下次需要搭建相同环境时，可以用pip将相关的库一次导入。
输入：pip freeze list

可以看到安装的所有的库

输入：pip freeze list > requirements.txt

将开发环境使用的包，导出txt文件中，下次用的时候可以直接安装txt文件中的库。

输入：pip install -r requirements.txt

调用txt文件，直接安装其中的各个库。
PS：请注意路径问题，ls一下，看看相关文件是不是在当前目录下。