python 虚拟环境 tensorflow GPU

拿到一个新的容器之后，怎么创建一个独立的GPU训练环境呢？之前弄的时候总是零零散散的，现在把它总结在这里，供自己以及有需要的朋友查阅。

conda创建
1.1 下载anaconda

wget -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-2020.07-Linux-x86_64.sh

具体的anaconda版本可以从这里获取，找到自己想要的版本，右击复制链接即可。

1.2 安装anaconda

bash Anaconda3-2020.07-Linux-x86_64.sh

1.3 测试anaconda是否安装成功

conda --version

如果显示具体版本则安装成功；
如果显示：bash: conda: command not found…；则执行一下步骤：

export PATH=~/anaconda3/bin:$PATH
source ~/.bashrc

1.4 更新conda（非必须）

conda update -n base conda

Python虚拟环境创建
2.1 查看当前存在哪些环境

conda env list

2.2 创建新的虚拟环境

conda create -n your_env_name python=X.X（2.7、3.6等）

2.3 激活虚拟环境
在你使用环境之前，需要激活

conda activate your_env_name

PS：在我们的任务中，执行到2.3即可，下述操作为Python虚拟环境下的一些操作方法，一并记录，内容参考自：[安装教程] linux创建conda虚拟环境
2.4 安装Python包

conda(或pip) install package_name

如果你创建的是python3.x的环境，也直接使用pip，不要使用pip3。因为此时的pip3可能会直接安装至你的系统环境里。

2.5 删除Python包

conda remove package_name （pip uninstall package_name）

2.6 关闭虚拟环境
虚拟环境使用完，需要关闭

conda deactivate

2.7 删除虚拟环境

conda remove -n your_env_name --all

2.8 共享环境包
将当前使用的环境中所包含的python包的名称进行打包

conda env export > 文件名.yaml

2.9 载入别人共享的环境包
conda env create -f 文件名.yaml

tensorflow GPU环境搭建
安装之前，首先要明确tensorflow，cuda，cudnn之间的版本关联，同时驱动版本也要满足要求（可通过nvidia-smi查看驱动版本，驱动版本对于cuda向下兼容）
可通过tensorflow版本关联查看对应的关联关系，如下图：

【本文以tf1.14-cuda10.0.0-cudnn7.4为例】

3.1 安装cuda

conda install cudatoolkit=10.0.0

3.2 安装cudnn
报错如下：

PackagesNotFoundError: The following packages are not available from current channels:- cudnn=7.4Current channels:- https://repo.anaconda.com/pkgs/main/linux-64- https://repo.anaconda.com/pkgs/main/noarch- https://repo.anaconda.com/pkgs/r/linux-64- https://repo.anaconda.com/pkgs/r/noarch

当前conda源中并没有cudnn7.4版本。
因此，搜索 conda 源中可用的版本号：

conda search cudnn

得到结果如下：

可以看到，cudnn7.6.5同样支持cuda10.0.0，因此，直接安装cudnn7.6.5

conda install cudnn=7.6.5

3.3 安装tensorflow
conda install tensorflow-gpu=1.14.0

3.4 检查tensorflow gpu版本是否可用

import tensorflow as tf
print(tf.test.is_gpu_available())

返回结果为True表示tensorflow gpu版本可用：

[安装教程] linux创建conda虚拟环境
TensorFlow 安装与环境配置

python 虚拟环境 tensorflow GPU相关推荐

python与tensorflow的关系_Tensorflow GPU与CPU安装库的区别
最近,我想把我的python库移到pendrive中,以便在工作站和笔记本之间切换时保持所有库不变.(也就是说,如果我更新一个,它也会更新另一个) 为此,我在pendrive上安装了tensorflo ...
tensorflow GPU python cuda cudnn 匹配
tensorflow GPU 匹配 https://tensorflow.google.cn/install/source_windows?hl=zh_cn
根据显卡型号选择CUDA和cuDNN进行TensorFlow GPU版本安装
文章目录一.显卡型号二.CUDA 三.cuDNN 四.tensorflow-gpu 五.查看显卡利用率 Linux系统 Linux下Anaconda 参考文献此文章默认显卡支持CUDA和已安装显 ...
ubuntu16.04 cuda9.0 cudnn Tensorflow GPU 1.10.0
Ubuntu14.04升级到Ubuntu16.04 查看目前版本 lsb_release -a apt-get update && apt-get dist-upgrade reboo ...
Windows Tensorflow GPU安装
GPU资源对神经网络模型的训练很重要,应充分利用电脑的显卡资源,加快模型的训练速度.这里是本人安装tensorflow-gpu的过程,记录了安装的步骤以及在每个步骤中参考的资料以及所遇到的坑. 大体步 ...
conda安装tensorflow-gpu简洁版_笔记本的垃圾显卡也能装Tensorflow GPU版，简明教程
有图有真相,先看最后安装效果首先关于硬性条件,Tensorflow要求的条件如下: CUDA® 计算能力为 3.5 或更高的 NVIDIA® GPU 卡这是什么概念呢?在英伟达官方给出的显卡算力列 ...
Python虚拟环境pyenv、venv(pyvenv)、virtualenv之间的区别，终于搞清楚了！
背景问题1: 举个例子,tensorflow(tf)是一个十分流行的python机器学习库,你现在手里有两个tf项目,其中项目A需要使用python2.7 + f1.2,项目B需要使用python2 ...
通过Anaconda在Ubuntu16.04上安装 TensorFlow(GPU版本)
一. 安装环境 Ubuntu16.04.3 LST GPU: GeForce GTX1070 Python: 3.5 CUDA Toolkit 8.0 GA1 (Sept 2016) cuDNN v6 ...
掌握python编程语言tensorflow_手把手教你eclipse集成Python语言+Tensorflow环境
本文主要向大家介绍了手把手教你eclipse集成Python语言+Tensorflow环境,通过具体的内容向大家展示,希望对大家学习Python语言有所帮助. 1.安装Eclipse 百度Eclips ...

python 虚拟环境 tensorflow GPU

python 虚拟环境 tensorflow GPU相关推荐

最新文章

热门文章