Linux Tensorflow2.0安装

安装Tensorflow2.0

conda update conda
pip install tf-nightly-gpu-2.0-preview
conda install https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/linux-64/cudnn-7.3.1-cuda10.0_0.tar.bz2
conda install https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/linux-64/cudatoolkit-10.0.130-0.tar.bz2
复制代码

说明：

首先需要更新conda
安装的是tf2.0最新版
cudnn7.3.1和cudatoolkit-10.0版本，可以下载下来本地安装

wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/linux-64/cudnn-7.3.1-cuda10.0_0.tar.bz2
conda install cudnn-7.3.1-cuda10.0_0.tar.bz2
复制代码

出现的错误及解决方案

旧库问题

ERROR: Cannot uninstall 'wrapt'. It is a distutils installed project and thus we cannot accurately determine which files belong to it which would lead to only a partial uninstall.
复制代码

旧版本依赖多，不能清晰的删除，此时应该忽略旧版本升级，即如下解决办法：pip install tf-nightly-gpu-2.0-preview --ignore-installed wrapt

numpy版本问题

还有一个问题是说numpy存在旧版本，可以使用pip卸载numpy,直到提示没有可卸载的为止，然后重新安装numpy

驱动问题

tensorflow.python.framework.errors_impl.InternalError: cudaGetDevice() failed. Status: CUDA driver version is insufficient for CUDA runtime version
复制代码

这是因为驱动版本不匹配导致的，可以到NVIDIA官网下载cuda10.0(和上面的一致)的驱动

安装命令：bash ./NVIDIA-Linux-x86_64-410.104.run,然后一路确定，最后使用watch nvidia-smi查看结果：

测试及其他

测试可用：

import tensorflow as tf
print(tf.__version__)
print(tf.keras.__version__)

if tf.test.is_gpu_available():
    device = "/gpu:0"
else:
    device = "/cpu:0"

print(device)
复制代码

减少tensorflow输出信息

TensorFlow的log信息共有四个等级，按重要性递增为：INFO（通知）<WARNING（警告）<ERROR（错误）<FATAL（致命的）

tf.compat.v1.logging.set_verbosity('ERROR')
复制代码

或者

import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '3'
复制代码

tensorflow2.0在pycharm下提示问题

tensorflow2.0 使用keras一般通过tensorflow.keras来使用，但是pycharm没有提示，原因是因为实际的keras路径放在tensorflow/python/keras，但是在程序中tensorflow有没有python这个目录，解决方法如下：

try:
    import tensorflow.python.keras as keras
except:
    import tensorflow.keras as keras
复制代码

这样pycharm既可以有提示，同时也不需要在程序运行的时候修改代码了。

Tensorflow2.0使用中的BUG

链接：https://juejin.cn/post/6844903837799727111