歡迎通路我的GitHub
https://github.com/zq2599/blog_demos
内容:所有原創文章分類彙總及配套源碼,涉及Java、Docker、Kubernetes、DevOPS等;
本篇概覽
- 本篇記錄了自己在Ubuntu 16.04.7 LTS系統上搭建TensorFlow2開發環境的過程,用于将來重裝時的參考
- 硬體是2018年購買的惠普暗隐精靈3代,顯示卡GTX1060,已經安裝了Ubuntu16 LTS桌面版
- 執行本篇操作前需要安裝Nvidia的驅動,詳情請參考《Ubuntu16安裝Nvidia驅動(GTX1060顯示卡)》
- 檢視驅動資訊,如下圖,可見CUDA版本是10.1
版本比對
- 去tensorflow官網檢視版本比對關系,位址:https://tensorflow.google.cn/install/source
- 如下圖,在我的電腦上有三個合适的版本:
安裝
- 注意:接下來的所有操作并未使用root賬号
- 下載下傳anaconda3,位址:https://www.anaconda.com/products/individual,如下圖,可見官方最新版本對應的Python是3.8,符合前面的TensorFlow版本比對表中的Python版本,是以,就下載下傳最新版吧(此刻是2021.05版)
- 由于個人習慣,我的操作都是在MacBook上遠端SSH到Ubuntu16電腦上操作的,和在本地執行指令行并無差別,您可以随意
- 增加可執行權限:
chmod a+x Anaconda3-2021.05-Linux-x86_64.sh
- 運作:
bash Anaconda3-2021.05-Linux-x86_64.sh
- 按照提示輸入回車:
- 翻閱文檔,按照要求輸入yes:
- 是否初始化,輸入yes:
- 安裝完成:
- 退出ssh重新登入,輸入python即可進入anaconda環境的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.
- 建立新的conda環境,名為py38:
conda create -n py38 python=3.8.8
- 激活py38:
conda activate py38
- 安裝指定版本的tensorflow,指定國内源以加快下載下傳速度:
pip install tensorflow-gpu==2.3.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
- 安裝CUDA:
conda install cudatoolkit=10.1 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/linux-64/
- 安裝cudnn:
conda install cudnn=7.6.5
- 安裝完成,接下來驗證一下是否GPU版的TensorFlow是否安裝成功
驗證
- 退出ssh,重新登入
- 檢視有哪些conda環境,以及正在使用哪個,輸入指令conda info --e,如下,星号所在的行表示正在使用的是base環境,并非咱們要用的py38:
(base) will@ubuntu-hp:~$ conda info --e
# conda environments:
#
base * /home/will/anaconda3
py38 /home/will/anaconda3/envs/py38
- 執行source activate py38即可切換到py38環境
- 直接輸入python進入python互動模式
- 導入tensorflow:
import tensorflow as tf
- 顯示導入成功:
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
- 以下代碼表示檢查tensorflow能否得到CUDA支援,支援就會傳回True,否則傳回false:
tf.test.is_built_with_cuda()
- 以下代碼表示檢查tensorflow能否擷取到GPU:
tf.test.is_gpu_available()
- 如果能擷取到會傳回Ture,并且輸出的部分日志資訊如下,可見顯示卡資訊已成功取到:
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
- 作為對比,下圖是MabBook上的CPU版本TensorFlow執行結果:
- 至此,安裝完成。
你不孤單,欣宸原創一路相伴
- Java系列
- Spring系列
- Docker系列
- kubernetes系列
- 資料庫+中間件系列
- DevOps系列
歡迎關注公衆号:程式員欣宸
微信搜尋「程式員欣宸」,我是欣宸,期待與您一同暢遊Java世界...