Artikelverzeichnis
-
-
- Verwenden Sie Conda oder Miniconda
-
-
- 1. Laden Sie Miniconda herunter. Sie können die Python-Version und weitere Informationen auswählen:
- 2. Installieren Sie Miniconda, drücken Sie entsprechend der Eingabeaufforderung *Enter* und geben Sie *yes* aus
- 3. Erstellen Sie eine virtuelle Umgebung
- Viertens aktivieren Sie die virtuelle Umgebung.
-
- Installieren Sie Tensorflow
-
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