Anaconda3+CUDA10.1+CUDNN7.6+TensorFlow2.6安裝（Ubuntu16）
- 2022 年 1 月 11 日
- 筆記
歡迎訪問我的GitHub
//github.com/zq2599/blog_demos
內容：所有原創文章分類匯總及配套源碼，涉及Java、Docker、Kubernetes、DevOPS等；
本篇概覽
- 本篇記錄了自己在Ubuntu 16.04.7 LTS系統上搭建TensorFlow2開發環境的過程，用於將來重裝時的參考
- 硬件是2018年購買的惠普暗隱精靈3代，顯卡GTX1060，已經安裝了Ubuntu16 LTS桌面版
- 執行本篇操作前需要安裝Nvidia的驅動，詳情請參考《Ubuntu16安裝Nvidia驅動(GTX1060顯卡)》
- 查看驅動信息，如下圖，可見CUDA版本是10.1
版本匹配
- 去tensorflow官網查看版本匹配關係，地址：//tensorflow.google.cn/install/source
- 如下圖，在我的電腦上有三個合適的版本：
安裝
-
注意：接下來的所有操作並未使用root賬號
-
下載anaconda3，地址：//www.anaconda.com/products/individual，如下圖，可見官方最新版本對應的Python是3.8，符合前面的TensorFlow版本匹配表中的Python版本，所以，就下載最新版吧（此刻是2021.05版）
- 由於個人習慣，我的操作都是在MacBook上遠程SSH到Ubuntu16電腦上操作的，和在本地執行命令行並無區別，您可以隨意
- 增加可執行權限：
chmod a+x Anaconda3-2021.05-Linux-x86_64.sh
- 運行：
bash Anaconda3-2021.05-Linux-x86_64.sh
- 按照提示輸入回車：
- 翻閱文檔，按照要求輸入yes：
- 是否初始化，輸入yes：
- 安裝完成：
- 退出ssh重新登錄，輸入python即可進入anaconda環境的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.
- 創建新的conda環境，名為py38：
conda create -n py38 python=3.8.8
- 激活py38：
conda activate py38
- 安裝指定版本的tensorflow，指定國內源以加快下載速度：
pip install tensorflow-gpu==2.3.0 -i //pypi.tuna.tsinghua.edu.cn/simple
- 安裝CUDA：
conda install cudatoolkit=10.1 -c //mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/linux-64/
- 安裝cudnn：
conda install cudnn=7.6.5
- 安裝完成，接下來驗證一下是否GPU版的TensorFlow是否安裝成功
驗證
- 退出ssh，重新登錄
- 查看有哪些conda環境，以及正在使用哪個，輸入命令conda info –e，如下，星號所在的行表示正在使用的是base環境，並非咱們要用的py38：
(base) will@ubuntu-hp:~$ conda info --e
# conda environments:
#
base * /home/will/anaconda3
py38 /home/will/anaconda3/envs/py38
- 執行source activate py38即可切換到py38環境
- 直接輸入python進入python交互模式
- 導入tensorflow：
import tensorflow as tf
- 顯示導入成功：
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
- 以下代碼表示檢查tensorflow能否得到CUDA支持，支持就會返回True，否則返回false：
tf.test.is_built_with_cuda()
- 以下代碼表示檢查tensorflow能否獲取到GPU：
tf.test.is_gpu_available()
- 如果能獲取到會返回Ture，並且輸出的部分日誌信息如下，可見顯卡信息已成功取到：
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
- 作為對比，下圖是MabBook上的CPU版本TensorFlow執行結果：
- 至此，安裝完成。
你不孤單，欣宸原創一路相伴
歡迎關注公眾號：程序員欣宸
微信搜索「程序員欣宸」，我是欣宸，期待與您一同暢遊Java世界…
//github.com/zq2599/blog_demos
