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:~$ pythonPython 3.8.8 (default, Apr 13 2021, 19:58:26)[GCC 7.3.0] :: Anaconda, Inc. on linuxType "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/anaconda3py38                     /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 zero2021-10-08 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