本部分参考如下博文:python
https://blog.csdn.net/hgdwdtt/article/details/78633232ubuntu
http://www.javashuo.com/article/p-dplzrenq-mr.htmldom
主要按照第二篇博文的过程安装,只是没有作最后一步(即设置anaconda的python做为系统默认的python),此处就不复制粘贴了,不过运行了第一篇博文中的一条命令:fetch
sudo apt-get install libcupti-dev #据博主说是准备tensorflow-gpu的环境,不清楚有没有用,暂时写在这里
彻底按照tensorflow官方教程步骤一次成功,不过没有建立新的虚拟环境(毕竟个人python只用来写tensorflow),在此以前我已经安装好了GPU驱动,具体参考个人另外一篇http://www.javashuo.com/article/p-ynsvznak-ns.htmlgoogle
GPU支持:spa
https://tensorflow.google.cn/install/gpu.net
虽然教程里是16.04的安装,不过彻底复制过来在18.04中使用没有出现问题,按照下列命令一条一条执行便可code
# Add NVIDIA package repository 添加NVIDIA安装包的仓库 sudo apt-key adv --fetch-keys http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1604/x86_64/7fa2af80.pub wget http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1604/x86_64/cuda-repo-ubuntu1604_9.1.85-1_amd64.deb sudo apt install ./cuda-repo-ubuntu1604_9.1.85-1_amd64.deb wget http://developer.download.nvidia.com/compute/machine-learning/repos/ubuntu1604/x86_64/nvidia-machine-learning-repo-ubuntu1604_1.0.0-1_amd64.deb sudo apt install ./nvidia-machine-learning-repo-ubuntu1604_1.0.0-1_amd64.deb sudo apt update # Install CUDA and tools. Include optional NCCL 2.x # 安装CUDA9.0和tools.包括了可选的NCCL 2.X # NCCL 可实现多 GPU 支持。 sudo apt install cuda9.0 cuda-cublas-9-0 cuda-cufft-9-0 cuda-curand-9-0 \ cuda-cusolver-9-0 cuda-cusparse-9-0 libcudnn7=7.2.1.38-1+cuda9.0 \ libnccl2=2.2.13-1+cuda9.0 cuda-command-line-tools-9-0 # Optional: Install the TensorRT runtime (must be after CUDA install) # 可选项:安装TensorRT # TensorRT 可缩短在某些模型上进行推断的延迟并提升吞吐量。 sudo apt update sudo apt install libnvinfer4=4.1.2-1+cuda9.0
tensorflow-gpu:orm
https://tensorflow.google.cn/install/pipblog
因为安装的是anaconda3,因此python版本是3.7,可是tensorflow目前最高只支持到3.6,所以须要回退一下python版本(固然若是建立了新的虚拟环境,那么就不用回退base的python版本了,只须要激活新的虚拟环境便可,但虚拟环境下安装的话请按照官方教程中的步骤来)
2.1回退python版本
conda install python=3.6
2.2激活base环境并安装tensorflow-gpu
conda activate base pip install --upgrade tensorflow-gpu
2.3检查安装效果并退出虚拟环境
python -c "import tensorflow as tf; tf.enable_eager_execution(); print(tf.reduce_sum(tf.random_normal([1000, 1000])))"
输出如下内容表示安装成功(主要是最后一行)
退出环境
conda deactivate
补充:
关于CUDAtoolkit和cudnn,conda安装的时候会自动配置相关依赖项,以下图能够看到依赖项中存在cudnn和CUDAtoolkit