0
点赞
收藏
分享

微信扫一扫

ubuntu18系统anaconda安装tensorflow——补充

ubuntu18系统anaconda安装tensorflow_qq_39429669的博客-CSDN博客

安装的过程主要思考两个问题:

  • tensorflow与CUDA、cudnn的版本兼容,特别是分清上兼容还是下兼容。
  • 虚拟环境(比如conda install tensorflow-gpu==1.2.1自动安装对应版本CUDA、cudnn的安装方式)安装的CUDA、cudnn是否可用,是否会和在系统安装的CUDA、cudnn冲突,如果采用这种方式,是否可以不用提前在系统中安装CUDA、cudnn。

接下来会针对这两个问题和其他问题进行说明。

虚拟环境中cuda版本与系统cuda版本不同有什么影响
1.虚拟环境中的cuda和系统安装的cuda是互不影响的,所以在虚拟环境中放心安装你需要的cuda版本。安装之后为了验证时候安装成功,在终端运行了nvcc -V(V大写),很奇怪的发现和系统安装的cuda是一个版本。其实这个命令执行之后就是获得系统安装的版本,如果想要看虚拟环境中安装的版本应该运行conda list | grep cuda。

2.github上不同的项目所支持的pytorch版本是不一样的,而pytorch版本和cuda版本之间又是互相依赖的,所以如果可以利用anaconda灵活地在不同cuda版本间切换将是非常方便。我们可以在conda创建的不同虚拟环境中安装不同的cuda和cudnn版本,以此来实现不同cuda版本间的切

3.但是!!cuda版本不能是任意的欧!需要安装与显卡对应的cuda和cudnn,这样才可以用显卡进行训练。小白亲测,在anaconda虚拟环境中配置相应版本的cuda发现运行代码的时候出现错误,提示显卡能够支持cudnn>=9000,而现在cudnn=8000,这个时候要升级虚拟环境中的cuda,cudnn版本和安装的pytorch版本,这个需要查阅相关文件,看看自己的电脑需要安装什么版本的cuda,cudnn,pytorch。如果不正确安装在使用显卡跑网络的时候会出现问题。

操作实例


显卡驱动安装适合本机显卡的较新版本。为了兼容更高(更多)版本的cuda。

cuda安装


1 确定cuda版本


安装好显卡驱动后,使用nvidia-smi命令可以查看这个显卡驱动可以安装的最高的cuda版本是多少,如下:
Driver Version: 461.40 表明当前驱动版本是461.40
CUDA Version: 11.2 表明当前驱动可以安装的cuda最高版本是11.2

 在这里插入图片描述

 

上面虽然显示的当前驱动版本461.40可以安装的cuda最高版本是11.2,但是我们还不能直接就认定我们就安装cuda 11.2,还需要查看pytorch的版本要求,比如我想安装pytorchv1.8.0,如下:

在这里插入图片描述

 

pytorchv1.8.0 要求的cuda版本是11.1,那我就可以确定安装cuda11.1

查看conda支持的cuda版本

注意

  • 如果是第一次安装anaconda,需要先修改镜像

laianjie

  • 要先使用conda activate name命令把conda环境激活到你想要安装的那个环境。
conda search cudatoolkit
# 查看可以用来安装的cudatoolkit的所有版本都有哪些

conda search cudatoolkit --info
# 查看所有列出来的cudatoolkit的详细信息,包括版本号version,文件网址url,依赖项dependencies
# 文件网址url:
# 直接conda install cudatoolkit,通常下载安装包的速度很慢,因而可以用上面给出的文件网址url来用下载工具去下载这个包,再去本地安装
# 依赖项dependencies:
# 想要使用cudatoolkit,还需要安装什么才可以使用。

执行conda search cudatoolkit --info命令后,会显示出源内所有的cuda版本,以及下载地址,如图所示
在这里插入图片描述

 

下载cuda

找到自己想要的cuda版本后,先把cuda下载到本地。首先复制url字段里的下载链接,然后用命令cd到想要下载的目录,执行如下代码下载

wget 你刚刚复制的链接地址



安装cuda


执行如下命令进行安装,因为是通过本地安装的,所以需要写明本地包的路径

# 然后安装本地包
conda install --use-local 本地cuda包所在的路径



cudnn安装


 

查看cuda对应的cudnn版本

查看conda支持的cudnn版本,注意cudnn的版本一定要和刚刚下载的cuda版本对应

确定cudnn版本

在cudnn仓库中找到适用于某个cudatoolkit版本的cudnn版本

# cudnn仓库
https://developer.nvidia.com/rdp/cudnn-archive
# 如下
在这里插入图片描述

 

适用于CUDA 11.1 的 cudnn 有多个版本。
查看conda仓库中有哪些cudnn版本:

# 查看都有哪些版本
conda search cudnn
# 下图中cudnn 8.1.0.77 出现了两个版本,因而可以先运行一下conda install cudnn=8.1.0.77,看一下默认安装的是哪个版本,然后再决定去下载哪个版本的cudnn 8.1.0.77
在这里插入图片描述

 


# 查看详细信息,并根据提供的网址去下载到本地
conda search cudnn --info
# 之后本地安装即可
在这里插入图片描述

 

下载cudnn版本
还是复制你想要版本的cudnn的下载地址,使用wget 链接地址进行下载

安装cudnn
conda install --use-local 本地cudnn包所在的路径

测试安装是否成功
在虚拟环境中安装完cuda和cudnn想要测试是否安装成功,不能使用nvcc -V命令测试,需要在虚拟环境中安装pytorch包进行测试

安装pytorch
首先安装与cuda相匹配的pytorch和torchvision包,可以去pytorch官网查询。

因为我的cuda版本是11.0,支持的pytorch版本为1.7.1,所以我安装的是这俩个,你可以根据你的需要安装。

conda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 cudatoolkit=11.0

测试cuda版本
装好pytorch后,命令行输入python,进入python的命令行,导入torch包
查询cuda版本

print(torch.version.cuda)

查询cudnn版本

print(torch.backends.cudnn.version())

如图所示
在这里插入图片描述

 


注意1
在conda环境中,可以直接用conda装cuda和cudnn,缺点是conda源中没有全部版本的cuda和cudnn,而且更新较慢。

# 查看conda源中可以安装的cuda和cudnn版本
conda search cuda
conda search cudnn

# 安装
conda install cuda  # 可指定版本
conda install cudnn   # 可指定版本

注意2
和安装tensorflow不同的是,pytorch官网介绍的安装命令附带了下载和安装cuda,但是没有附带cudnn,所以还需要额外安装cudnn。
如下:

在这里插入图片描述

 

按照上面的命令安装好(不用conda安装cudnn)之后,使用网上的“检测pytorch的gpu是否可用的命令“检测时显示gpu可用,但是没有cudnn,所以还是不能用。

# 检测pytorch的gpu是否可用的命令
https://blog.csdn.net/weixin_42788078/article/details/103116903
https://www.jianshu.com/p/bdb91eeb8f16

所以要用conda命令安装cudnn

https://blog.csdn.net/qq_37774098/article/details/109895048
安装torch和torchvision时候,使用pip命令,不要用conda命令,很容易断掉

pip install torch==1.7.1+cu101 torchvision==0.8.2+cu101 torchaudio===0.7.2 -f https://download.pytorch.org/whl/torch_stable.html

注意3 conda虚拟环境安装CUDA路径
# liux中
https://blog.csdn.net/Mr__George/article/details/102972958

# windows中
注意4 conda install临时用国内源
conda install cudatoolkit=9.0 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/linux-64/
conda install cudnn=7.1.4 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/linux-64/
 

参考你所需要的Tensorflow版本,安装对应版本的cuda,这点很重要!!!!【10.1、10.2、11等版本适用于Tensorflow2.0以上】

https://tensorflow.google.cn/install/source_windows#tested_build_configurations

 

安装流程

推荐2????

流程1:

新建环境装python, 尝试先安装对应的cudatoolkit、cudnn(这个可以conda search cudnn,进行小版本选择,针对2060参考链接作者吃过亏,7.6.5大版本下,7.3.1小版本却不同,低版本才兼容),再装适合的tensorflow。

流程2:

已知所需tensorflow的版本,查找对应的python版本,新建环境装py,再装对应版本的tensorflow、cuda、cudnn。

1。安装tensorflow

conda install  tensorflow-gpu  #默认最新版本 当前为cuda 11.0
or
conda install tensorflow-gpu==1.14.0

2.安装cudatoolkit

conda install -c anaconda cudatoolkit  #-c代表--channel。 它用于指定搜索包的频道  默认最新版本
or
conda install cudatoolkit=10.0 # 若需指定版本

3.安装cudnn

conda install -c anaconda cudnn  #若上步指定了版本,这里将做自动匹配~
conda install cudnn = 7.3.1



 

这个安装天时地利人和,必须各版本适配。非常建议!!网上查找自己显卡成功过的适配模式!!!下面分享一些安装成功的环境。愿大家都能成功!!!

cuda安装有anaconda管理,不直接安装于系统中!!如果你使用了anaconda,那么其实cuda套件安装过程十分简单。

作者:我是west先生
链接:https://www.jianshu.com/p/e12b86ef8081
来源:简书
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。

虚拟环境中cuda版本与系统cuda版本不同有什么影响_bloomerOAO的博客-CSDN博客_cuda版本不同会影响模型结果

还在系统中安装CUDA?Anaconda虚拟环境中安装CUDA配合Tensorflow-gpu-多版本 - 简书

举报

相关推荐

0 条评论