tensorflow环境配置

1.安装anaconda

　　本文下载的是Anaconda3-5.2.0-Linux-x86_64.sh（https://repo.anaconda.com/archive/）

cd Downloads/
bash Anaconda3-5.2.0-Linux-x86_64.sh

　　安装过程中，阅读注册信息，yes；查看文件即将安装的位置enter；安装完成后，加入环境变量yes；安装vscode选择no；重启中断即可使用Anoconda3；如果输入python，仍会显示ubuntu自带的python版本，可以手动添加到环境变量：

sudo gedit ~/.bashrc
export PATH="/home/jimlee/anaconda3/bin:$PATH"

　　此时终端默认启动的python为anaconda中的python3.6.5:

　　Anaconda3安装成功！

2.准备工作

下面要明确我需要装什么版本的tensorflow？为tensorflow-gpu-2.1.0

那么其对应的cuda版本是什么？对应的是python2.7 3.5-3.7，cuda10.1，cuDNN7.6，查询地址为：https://tensorflow.google.cn/install/source#linux

这里还要看看我们的显卡驱动是否支持这个版本的cuda，查询地址：https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

　　检查本机显卡驱动，为440.95，可以支持cuda10.1

nvidia-smi

查看显卡驱动：

 cat /proc/driver/nvidia/version

3.安装cuda10.1

sudo chmod 777 cuda_10.1.243_418.87.00_linux.run
sudo ./cuda_10.1.243_418.87.00_linux.run

　　询问已经存在package时，选择continue，然后在cuda installer窗口中取消勾选driver和samples，因为本机已经装好了显卡驱动

　　添加到环境变量：

sudo gedit ~/.bashrc

 export PATH=/usr/local/cuda-10.1/bin:$PATH
 export LD_LIBRARY_PATH=/usr/local/cuda-10.1/lib64:$LD_LIBRARY_PATH

source ~/.bashrc

　　测试：

cat /proc/driver/nvidia/version #查看nvidia版本
cat  /usr/local/cuda/version.txt # 查看cuda版本

　　 cuda安装成功！

4.安装cudnn

　　使用deb方式安装，需要下载这三个文件，但是我在测试是否成功时，找不到cudnn.h文件，所以有使用.tgz方式又装了一遍

sudo dpkg -i libcudnn7-dev_7.6.5.32-1+cuda10.1_amd64.deb

sudo dpkg -i libcudnn7-dev_7.6.5.32-1+cuda10.1_amd64.deb
sudo dpkg -i libcudnn7-doc_7.6.5.32-1+cuda10.1_amd64.deb

tar -zxvf cudnn-10.1-linux-x64-v7.6.5.32.tgz
sudo cp cuda/include/cudnn.h /usr/local/cuda/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn.h sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

　　测试：

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

　　结果：

　　cudnn安装成功！

5.安装tensorflow

conda install tensorflow-gpu==2.10

　　但是安装过程中遇到一个问题，solving environment一直在转，原因是有关依赖包版本不匹配，使用以下命令解决：

conda update --all

　　这个命令将我的python3.6.5升级到3.6.9，还有一个包的升级，然后就可以装tensorflow了。

6.测试

import tensorflow.compat.v1 as tf
sess = tf.Session()

　　会出现调用很多动态库的过程，正常现象，没报错就行，这边使用tensorflow.compat.v1，为与tf1兼容的方式。

python
import tensorflow as tf
version = tf.__version__
gpu_ok = tf.test.is_gpu_available()
print("tf version:",version,"\nuse GPU",gpu_ok)

source activate tensorflow        //激活
source deactivate　　　            //取消激活

　　成功！

8.安装pytorch

conda install pytorch==1.6.0 torchvision==0.7.0 cudatoolkit=10.1 -c pytorch

遇到的问题记录：

1.使用下面这个命令升级conda后，将base环境中的python都升级了，还有一些别的包都升级，导致conda内部环境冲突

conda update -n base conda        #update最新版本的conda

　　使用下面的命令还原到原来的版本,我的原来的版本号为version 0

conda list --versions
conda install --version 0

tensorflow环境配置

推荐阅读