ubuntu1804裸機配置深度學習套裝Anaconda、tensorflow2.0、cuda|cudnn 、Pycharm-CE手摸手教學

1、Anaconda官網下載

python3.7版

https://repo.anaconda.com/archive/Anaconda3-2020.02-Linux-x86_64.sh

2、bash install

安裝過程中看到
Welcome to Anaconda3 5.2.0
In order to continue the installation process, please review the license
agreement. (爲了繼續安裝過程,請審覈許可證。協議。)
Please, press ENTER to continue
直接按enter查看協議,一直enter下去,太傻了,直接 CTRL +C 

然後看到Do you accept the license terms? [yes|no](你接受許可證條款嗎?)
直接輸入yes 然後按enter,進入下一步,

然後一路默認。

直到提示你

Thank you for installing Anaconda3!
3、驗證

報錯沒有命令,不要慌

你需要source ~/.bashrc 這樣就是更新環境變量,就可以正常使用了。
如果發現這樣還是沒用,那麼需要收到添加環境變量
編輯~/.basrc 文件,在最後面加上


export PATH=/home/aeasringnar/anaconda3/bin:$PATH

保存退出後:source ~/.bashrc
再次輸入conda list測試看看,應該就是沒得問題啦!
 

 4、常見 conda指令:

查看conda環境:conda env list
新建conda環境(env_name就是創建的環境名,可以自定義):conda create -n env_name
激活conda環境(ubuntu與Macos 將conda 替換爲source):conda activate env_name
退出conda環境:conda deactivate
安裝和卸載python包:conda install numpy # conda uninstall numpy
查看已安裝python列表:conda list -n env_name

5、conda源更換

6、Pip源更換

二、TF2.0安裝
1、TF CPU安裝 本機是ubuntu虛擬機,所以也是安裝CPU版了

1.1 新建TF2.0 CPU環境

conda create -n tf2.0 python=3.7
當彈出 :Proceed ([y]/n)? 輸入y回車

完成後就可以進入此環境

conda activate TF_2C
進入後我們就可以發現:(tf2.0)在之前路徑前面,表示進入了這個環境。使用conda deactivate可以退出。

1.2 安裝TF2.0 CPU版本(後面的 -i 表示從國內清華源下載,速度比默認源快很多)

pip install tensorflow==2.0.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
下面做下簡單測試。

1.3 測試TF2.0 CPU版本( ipython命令行環境)

import tensorflow as tf
version = tf.__version__
gpu_ok = tf.test.is_gpu_available()
print("tf version:",version,"\nuse GPU",gpu_ok)
如果沒有問題的話輸出結果如下:可以看到tf 版本爲2.0.0 因爲是cpu版本,所以gpu 爲Falsetf version: 2.0.0
use GPU False

2、TF2.0 GPU版本

安裝GPU版本支持,擁有Nvidia的GPU的windows一般都有默認驅動的,只需要安裝cudatoolkit 與 cudnn包就可以了,要注意一點需要安裝cudatoolkit 10.0 版本,注意一點,如果系統的cudatoolkit小於10.0需要更新一下至10.0

1.2.1 conda install cudatoolkit=10.0 cudnn
1.2.2 安裝TF2.0 GPU版本

pip install tensorflow-gpu==2.0.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
如果網不好的,正常情況很快,如果報紅或卡殼取消多執行幾次。。下面我們做下簡單測試。

1.2.3 測試TF2.0 GPU版本

import tensorflow as tf
version = tf.__version__
gpu_ok = tf.test.is_gpu_available()
print("tf version:",version,"\nuse GPU",gpu_ok)
如果沒有問題的話輸出結果如下:可以看到tf 版本爲2.0.0 因爲是gpu版本,所以gpu 爲True,這表示GPU版本安裝完成了。

tf version: 2.0.0
use GPU True

 

三、pycharm  對ubuntu還是很友好的

sudo snap install [pycharm-professional|pycharm-community] --classic

 

發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章