Verwenden Sie Conda, um die GPU-Version TensorFlow-GPU auf dem Linux-System zu installieren (detaillierte Schritte).

Verwenden Sie Conda oder Miniconda

Es gibt mehr Conda- Bibliotheken als wissenschaftliche Bibliotheken, und ich möchte nicht jedes Paket installieren, um es in Zukunft separat zu verwenden. Und jetzt dauert die Installation einige Zeit und etwa 3 GB Speicherplatz für die Verwendung von Conda. Miniconda installiert nur einige grundlegende Softwarepakete, sodass Sie nicht genügend Speicherplatz haben oder schnell auf Python- und Conda-Befehle zugreifen und andere später organisieren möchten Programm können Sie Miniconda herunterladen. Um TensorFlow-GPU auf einem Linux-System zu installieren, den Speicherplatz zu berücksichtigen und nicht zu viele andere Bibliotheksoptionen zu verwenden, werde ich mich für die Installation von Miniconda entscheiden.

Download-Link

Conda: https://www.anaconda.com/products/distribution

Miniconda: https://docs.conda.io/en/latest/miniconda.html

1. Laden Sie Miniconda herunter. Sie können die Python-Version und weitere Informationen auswählen:

Hier kann py38 sehen, dass die Version Python3.8 ist

wget --quiet  https://repo.anaconda.com/miniconda/Miniconda3-py38_4.12.0-Linux-x86_64.sh

2. Installieren Sie Miniconda, drücken Sie entsprechend der Eingabeaufforderung die Eingabetaste und geben Sie „Ja“ aus

bash Miniconda3-py38_4.12.0-Linux-x86_64.sh

Wie im Bild gezeigt:

Hier ist ein Hinweis, dass beim nächsten Betreten des Servers automatisch die Conda-Umgebung (Basisumgebung) gestartet wird. Wenn Sie dies nicht möchten, können Sie den folgenden Befehl verwenden:

conda config --set auto_activate_base false

Starten Sie das Terminal neu, testen Sie conda -V, die Installation ist erfolgreich

Conda-Spiegel

#查看当前镜像
conda config --show channels
# 删除镜像
conda config --remove-key channels
# 删除指定镜像
conda config --remove channels https://xxx
# 配置相关镜像
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
#设置搜索是显示通道
conda config --set show_channel_urls yes

3. Erstellen Sie eine virtuelle Umgebung

conda create -n my-env python=3.8

Viertens aktivieren Sie die virtuelle Umgebung.

conda activate my-env

#有时候第一不行试试这个
source activate my-env

Verlassen Sie die virtuelle Umgebung

conda deactivate

Installieren Sie Tensorflow

Hinweis: Einige Versionen von Conda installieren CUDA/cuDNN automatisch. Wenn es nicht installiert ist, installieren Sie CUDA/cuDNN selbst. Die Methode folgt später

Fünftens können Sie zuerst den Versionsinstallationsbefehl überprüfen

conda search tensorflow-gpu

6. Installieren Sie tensorflow-gpu==2.2.0

conda install tensorflow-gpu==2.2.0

7. Überprüfen Sie die Tensorflow-Version und ob GPU verwendet werden kann

Sie müssen zuerst in die virtuelle Umgebung gehen und dann Python eingeben.

import tensorflow as tf
tf.__version__ 
tf.test.is_gpu_available()

Installieren Sie CUDA/cuDNN

Verwenden Sie den folgenden Befehl, um Informationen zur conda-installierbaren cudatoolkit-Version anzuzeigen

conda search cudatoolkit

Verwenden Sie den folgenden Befehl, um CUDN und cuDNN zu installieren und die Versionsinformationen anzuzeigen

conda install cudatoolkit==xx.xx
conda install cudnn==xx.xx