Tensorflow GPU 安装 conda - Shell-Bash

在本文中，我们将介绍如何在GPU上安装Tensorflow以及使用conda进行管理。

准备工作

首先，确保您的系统上已经安装了CUDA和cuDNN，并且您的系统具有NVIDIA GPU。您可以通过以下命令检查是否已安装CUDA：

nvcc --version

如果您已经安装了CUDA，您应该看到以下输出：

nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2020 NVIDIA Corporation
Built on Thu_Jun_11_22:26:48_PDT_2020
Cuda compilation tools, release 11.0, V11.0.221
Build cuda_11.0_bu.TC445_37.28845127_0

您还可以使用以下命令来检查是否已安装cuDNN：

cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

如果已安装cuDNN，则应该看到以下输出：

#define CUDNN_MAJOR 8
#define CUDNN_MINOR 0
#define CUDNN_PATCHLEVEL 2
--
#define CUDNN_VERSION (CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL)

安装conda环境

接下来，我们需要安装conda。conda是一个环境管理器和包管理器，可用于管理Python虚拟环境以及安装Python包。

我们可以从anaconda官网上根据您的操作系统下载合适的版本的安装包（https://www.anaconda.com/products/individual）。

下载完成后，运行以下命令进行安装：

sh Anaconda3-2021.05-Linux-x86_64.sh

完成安装后，请确保已将conda添加到系统路径中。可以使用以下命令检查：

echo $PATH

如果您看到conda的路径，例如 /home/username/anaconda3/bin，则已成功安装并添加到系统路径中。

创建conda环境

接下来，我们将创建一个新的conda环境，以便在其中安装Tensorflow GPU版本。

conda create --name tensorflow-gpu python=3.8

请注意，这里我们指定了Python版本为3.8。确保您选择的版本与您的项目要求一致。

激活conda环境

创建环境后，我们需要激活它才能使用。

conda activate tensorflow-gpu

您应该能看到终端前缀已更改为 (tensorflow-gpu)，这意味着conda环境已成功激活。

安装Tensorflow GPU

接下来，我们将使用conda安装Tensorflow GPU版本。

conda install -c anaconda tensorflow-gpu

这里 -c 指定了anaconda频道，它包含了许多常用的Python库和工具。

安装完成后，您可以使用以下代码测试是否已成功安装了Tensorflow：

import tensorflow as tf

tf.test.is_gpu_available()

如果返回 True，则您成功安装了Tensorflow GPU版本。

结论

在本文中，我们介绍了如何使用conda管理Tensorflow GPU版本的安装。现在您已经成功安装了Tensorflow GPU，并且可以开始使用它来开发您的深度学习项目了。