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 ...
最新文章
- svn: Working copy locked
- VIT pytorch源码
- C#操作XML总结1
- Gartner表示:2017年全球IT支出上升2.7% 中国IT支出达到2.34万亿
- geek_享受How-To Geek用户样式脚本的好处
- Metrics.net + influxdb + grafana 构建WebAPI的自动化监控和预警
- 【干货合集】看完这些干货,再说你因为“怕蛇”,所以学不好Python!
- mysql 主键索引如何创建_SQL创建索引、主键
- 使用easyexcel导出时行高不自动调整的解决
- JVM&NIO&HashMap简单问
- 连接串口_气压计PTB330连接HMI串口屏
- qq手机电脑消息同步_这届用户换机首选必备工具,QQ同步助手一键迁移手机资料...
- Lua笔记2 变量、循环和流程控制
- 给Java程序员的一些面试建议,大厂面试题汇总
- sql生成(查询数据的存储过程)代码的存储过程
- 移动通信原理B-------例题解答1
- Unity: 打飞碟简单版
- 计算机编辑视频用什么配置文件,AE/PR剪辑视频需要什么电脑配置?适合剪辑视频的电脑配置推荐...
- oracle 12c 自增序列
- 饿了么api接口 php,饿了么美团开放平台接入
热门文章
- Kubectl 常用命令, 开发人员常用k8s命令
- 2022-2028年中国科学仪器行业研究及前瞻分析报告
- 斯坦福CS224n、CMU NLP公开课 播放地址
- jieba分词流程及部分源码解读(一)
- deeplearning算法优化原理
- 无监督域对抗算法:ICCV2019论文解析
- 2021年大数据Spark(十六):Spark Core的RDD算子练习
- Python:Item Pipeline
- 【网站汇总】论文相关
- 报错Failed to initialize JPA EntityManagerFactory: Unable to create requested service解决方法