关于云计算:Anaconda3CUDA101CUDNN76TensorFlow26安装Ubuntu16

欢送拜访我的 GitHub

https://github.com/zq2599/blog_demos

内容：所有原创文章分类汇总及配套源码，波及 Java、Docker、Kubernetes、DevOPS 等；

本篇概览

• 本篇记录了本人在 Ubuntu 16.04.7 LTS 零碎上搭建 TensorFlow2 开发环境的过程，用于未来重装时的参考
• 硬件是 2018 年购买的惠普暗隐精灵 3 代，显卡 GTX1060，曾经装置了 Ubuntu16 LTS 桌面版
• 执行本篇操作前须要装置 Nvidia 的驱动，详情请参考《Ubuntu16 装置 Nvidia 驱动 (GTX1060 显卡)》
• 查看驱动信息，如下图，可见 CUDA 版本是 <font color=”red”>10.1</font>

版本匹配

• 去 tensorflow 官网查看版本匹配关系，地址：https://tensorflow.google.cn/…
• 如下图，在我的电脑上有三个适合的版本：

装置

• 留神：接下来的所有操作 <font color=”red”> 并未应用 </font>root 账号
• 下载 anaconda3，地址：https://www.anaconda.com/prod…，如下图，可见官网最新版本对应的 Python 是 3.8，合乎后面的 TensorFlow 版本匹配表中的 Python 版本，所以，就下载最新版吧（此刻是 <font color=”blue”>2021.05</font> 版）

• 因为集体习惯，我的操作都是在 MacBook 上近程 SSH 到 Ubuntu16 电脑上操作的，和在本地执行命令行并无区别，您能够随便
• 减少可执行权限：

chmod a+x Anaconda3-2021.05-Linux-x86_64.sh

• 运行：

bash Anaconda3-2021.05-Linux-x86_64.sh

• 依照提醒输出回车：

• 翻阅文档，依照要求输出 <font color=”blue”>yes</font>：

• 是否初始化，输出 <font color=”blue”>yes</font>：

• 装置实现：

• 退出 ssh 从新登录，输出 python 即可进入 anaconda 环境的 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.

• 创立新的 conda 环境，名为 <font color=”blue”>py38</font>：

conda create -n py38 python=3.8.8

• 激活 py38：

conda activate py38

• 装置指定版本的 tensorflow，指定国内源以放慢下载速度：

pip install tensorflow-gpu==2.3.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

• 装置 CUDA：

conda install cudatoolkit=10.1 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/linux-64/

• 装置 cudnn：

conda install cudnn=7.6.5

• 装置实现，接下来验证一下是否 GPU 版的 TensorFlow 是否装置胜利

验证

• 退出 ssh，从新登录
• 查看有哪些 conda 环境，以及正在应用哪个，输出命令 <font color=”blue”>conda info –e</font>，如下，星号所在的行示意正在应用的是 base 环境，并非咱们要用的 py38：

(base) will@ubuntu-hp:~$ conda info --e
# conda environments:
#
base                  *  /home/will/anaconda3
py38                     /home/will/anaconda3/envs/py38

• 执行 <font color=”blue”>source activate py38</font> 即可切换到 py38 环境
• 间接输出 <font color=”blue”>python</font> 进入 python 交互模式
• 导入 tensorflow：

import tensorflow as tf

• 显示导入胜利：

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

• 以下代码示意查看 tensorflow 是否失去 CUDA 反对，反对就会返回 True，否则返回 false：

tf.test.is_built_with_cuda()

• 以下代码示意查看 tensorflow 是否获取到 GPU：

tf.test.is_gpu_available()

• 如果能获取到会返回 Ture，并且输入的局部日志信息如下，可见显卡信息已胜利取到：

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

• 作为比照，下图是 MabBook 上的 CPU 版本 TensorFlow 执行后果：

• 至此，装置实现。

你不孤独，欣宸原创一路相伴

1. Java 系列
2. Spring 系列
3. Docker 系列
4. kubernetes 系列
5. 数据库 + 中间件系列
6. DevOps 系列

欢送关注公众号：程序员欣宸

微信搜寻「程序员欣宸」，我是欣宸，期待与您一起畅游 Java 世界 …
https://github.com/zq2599/blog_demos