docker支持GPU镜像之tensorflow 1.14.0

最新推荐文章于 2023-07-26 14:48:36 发布
原创 最新推荐文章于 2023-07-26 14:48:36 发布 · 1.1k 阅读 · 3 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#docker #tensorflow #gpu #详细安装

该博客详细介绍了如何在服务器上搭建基于CUDA 10.0的GPU环境，包括安装英伟达驱动、Miniconda以及TensorFlow 1.14.0的GPU版本。通过清华大学和北京外国语大学的镜像源加速下载，并提供了测试代码以验证环境是否配置成功。要求读者已经具备NVIDIA驱动和Docker的基础。
部署运行你感兴趣的模型镜像

查找合适的GPU基础镜像

安装支持python运行环境

安装tensorflow

# 腾讯云安装
pip install  tensorflow-gpu==1.14.0 -i https://mirrors.cloud.tencent.com/pypi/simple/
# 删除安装  tensorflow==1.14.0

安装驱动

 conda install cudatoolkit-10.1.243-h6bb024c_0.tar.bz2 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/linux-64/
 
 conda install cudnn-7.6.5-cuda10.1_0.tar.bz2  -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/linux-64/
上面安装过程较慢，可以下载下来直接安装

清华下载地址
北外下载地址

# 安装
conda install --use-local cudatoolkit-10.1.243-h6bb024c_0.tar.bz2
conda install --use-local  cudnn-7.6.5-cuda10.1_0.tar.bz2

测试能否使用

测试代码链接

服务器前提要求：
  1. 已安装nvidia
  2. 已安装docker
    如有帮助，请您三连，多谢

您可能感兴趣的与本文相关的镜像

PyTorch 2.5

PyTorch 2.5

PyTorch
Cuda

PyTorch 是一个开源的 Python 机器学习库，基于 Torch 库，底层由 C++ 实现，应用于人工智能领域，如计算机视觉和自然语言处理

opencv4.1.1-tensorflow1.14.0（raspberry镜像）
11-03
opencv4.1.1-tensorflow1.14.0（raspberry镜像） 下载直接可用
conda安装Tensorflow2.9的GPU版本
冲出仁川，走出马德里，故事还会再继续
09-17 1917
有的API只有高版本的tensorflow有，所以这里再装个tensorflow2.9，我看了下，官网最新版本是2.10anaconda这个环境隔离机制有点类似于docker，用起来太爽了。每次换环境都要查下别人文章，太麻烦了，自己装个，方便后续查看。
一个从tensorflow_1.14.0-gpu-py3-jupyter镜像生成公司实际需求的Dockerfile
weixin_30379531的博客
08-09 610
外部的标准镜像，肯定满足不了公司的实际要求咯~~ 所以，根据同事的需求，重新制作了这个包。 其中可用库为tensorflow,numpy, pandas,scikit-learn,jieba,gensim, opencv,requests以及与hdfs文件系统的互访。 因为公司不可以直接直外网，所以dockerfile里引入了http代理。 作个记录。 这里需要注意的细节是 ...
Python - 深度学习系列16 - 使用docker搭建TensorFlow1.14 GPU+jupyter环境
yukai08008的博客
02-04 829
说明 首先应当先装好显卡驱动，然后寻找合适的镜像，并加以修改就可以了。 另外，使用docker调用显卡，需要安装nvidia-docker2，参考这篇文章是可行的 内容 1 寻找并拉取镜像 找到构建好的合适的镜像 在这里搜索，看所有的tag 选择复制对应的docker pull命令，拉取镜像 我获取了带jupyter的版本。 2 进入镜像，进行修改和测试 ┌─root@m5-desktop:~ └─ $ docker run -it -p8888:8888 --gpus all 60c989453335
TensorFlow-gpu安装和测试（TensorFlow-gpu1.14+Cuda10）
XBL2015HENU的博客
07-26 1万+
本文章介绍了tensorflow_gpu1.14.0和CUDA10的下载、安装、测试、以及设置问题。
ubuntu18.04 nvidia gpu驱动与tensorflow-gpu以 docker方式安装
Geikon的博客
07-02 1176
通过ubuntu标准库自动安装 搜索系统当前支持的驱动（此方法可能无法安装最新版） $ ubuntu-drivers devices == /sys/devices/pci0000:00/0000:00:01.0/0000:01:00.0 == modalias : pci:v000010DEd00001180sv00001458sd0000353Cbc03sc00i00 vendor : ...
Anaconda + tensorflow-gpu + docker + pycharm专业版 实现本地远程互联
cyy18702236763的博客
01-27 3001
Anaconda + tensorflow-gpu + docker + pycharm专业版 实现本地远程互联
CentOS7系统Nvidia Docker容器基于TensorFlow2.12测试GPU
疯批美人
07-26 1536
CentOS7系统Nvidia Docker容器基于TensorFlow1.15测试GPU参考我的另一篇博客。
A40上tensorflow的安装
rucieryi369的博客
05-12 509
1.安装docker sudo apt-get update sudo apt-get install \ apt-transport-https \ ca-certificates \ curl \ gnupg-agent \ software-properties-common curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo apt-key ad
Ubuntu上Docker 部署nginx+TensorFlow-GPU+Flask生产环境
BankxiY的博客
11-03 685
前言 业务需要将神经网络模型布在GPU服务器上当做生产环境,通过调用接口的形式用模型分析图片,同时因为服务器还有其他项目在运作,使用Docker容器 Step1 1.本地需要安装TensorFlow-GPU版本镜像,安装CUDA,等配置,之前已有同事配置好镜像文件,此处略去操作,TensorFlow-GPU 1.14.0,CUDA 10.0 2.需要使用nginx部署,docker pull nginx step2 实例化TensorFlow-GPU镜像,在镜像中安装自己依赖的包和使用的工具,这里主要安装
tensorflow-gpu1.14代码测试
爱听许嵩歌的博客
08-22 3536
import tensorflow as tf with tf.device('/cpu:0'): a = tf.constant([1.0, 2.0, 3.0], shape=[3], name='a') b = tf.constant([1.0, 2.0, 3.0], shape=[3], name='b') with tf.device('/gpu:0'): c = a + b # 注意：allow_soft_placement=True表明：计算设备可自行选择，如果没有这
tensorflow的各种版本下载镜像安装
热门推荐
andeyeluguo的博客
07-20 1万+
有时候直接用命令下载的方式不行，因为天朝被墙。 可以在[1]中通过带有fanq翻墙插件的谷歌浏览器下载。 然后sudo pip install 下载文件名即可 [1] 版本的tensorflow镜像下载...
TensorFlow-gpu国内镜像极简安装
asd21wd的博客
02-19 2352
安装完anaconda以后 打开anaconda promp，依次输入以下4条命令： conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anacond...
清华源安装指定版本tensorflow
DongHappyyy
03-08 4637
以安装1.14.0版本为例， 记录以下 pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow==1.14.0
离线安装tensorflow-gpu
cxxx17的博客
09-09 1360
离线安装tensorflow-gpu 因为有的服务器能联外网，有的服务器不能联外网，想在不能联网的服务器上安装环境就比较坑了。采用的办法是先在能联网的服务器下载好，再移到不能联网的服务器离线安装。 想安装的tensorflow的版本是tensorflow-gpu 1.14 1.在能联网的机器下载安装包和相关的依赖包 创建一个虚拟环境，最好python版本和目标python版本一致 conda create -n tf1.14 python=3.6.5 激活虚拟环境，并下载tensorflow相关的w
ubuntu16.04 docker tensorflow-gpu镜像下载
bobo184的博客
04-01 1201
参考博文： https://www.cnblogs.com/deepllz/p/9009486.html 基本是参照上面的博客的，但还是要记录下我自己的安装过程（这是一个习惯）。 前提是你已经安装好docker了，开始部署镜像... 主要记录下不同之处 镜像源不同 没有用上面的博客的下载方式，那个是官方的，下面这个是国内的速度会快点 docker pull daocloud.io/...
清华镜像下载tensorflow-gpu
qq_41858755的博客
04-13 8101
pip install tensorflow-gpu 源镜像速度过慢，换这个： pip install -i https://pypi.mirrors.ustc.edu.cn/simple/ tensorflow-gpu==2.0.1
tensorflow-gpu 镜像源 亲测有效
weixin_44790571的博客
07-31 2829
pip install --upgrade --ignore-installed -i https://pypi.mirrors.ustc.edu.cn/simple tensorflow-gpu==2.4.0 最后的2.4.0可以根据自己需要的版本进行更改 使用anaconda3安装TensorFlow的GPU版本的大致流程： 打开anaconda prompt conda create -n TF-GPU ptrhon=3.7（根据自己的需要选择相对应的python版本） conda activate
(base) liu@liu-virtual-machine:~/Desktop/flightmare/flightlib$ pip install tensorflow_gpu-1.14.0-cp36-cp36m-manylinux1_x86_64.whl ERROR: tensorflow_gpu-1.14.0-cp36-cp36m-manylinux1_x86_64.whl is not a supported wheel on this platform. (b
最新发布
07-22
你遇到的错误： ``` ERROR: tensorflow_gpu-1.14.0-cp36-cp36m-manylinux1_x86_64.whl is not a supported wheel on this platform. ``` 表示你正在尝试安装的 `.whl` 文件 **与当前平台（Python 环境或操作系统）不兼容**。 --- ### 🔍 常见原因分析 #### ✅ 1. **Python 版本不匹配** - 该 `.whl` 文件是为 **Python 3.6** 编译的（`cp36` 表示 CPython 3.6）。 - 如果你的 Python 版本不是 3.6（比如是 3.7、3.8、3.9 等），就会报错。 #### ✅ 2. **操作系统或架构不匹配** - 该 `.whl` 文件是 `manylinux1_x86_64`，表示适用于 Linux 的 64 位系统。 - 如果你使用的是 Windows 或 macOS，或者使用了 32 位 Linux 系统，就无法安装。 #### ✅ 3. **虚拟环境与全局环境混淆** - 可能你在使用 `conda` 环境，但使用的是全局 `pip`。 - 或者你激活了某个虚拟环境，但该环境的 Python 版本与 `.whl` 不匹配。 --- ### ✅ 解决方法 #### ✅ 1. 检查当前 Python 版本 ```bash python --version ``` 确保输出是： ``` Python 3.6.x ``` 如果不是，请使用 `conda` 创建一个 Python 3.6 的虚拟环境： ```bash conda create -n tf114 python=3.6 conda activate tf114 ``` 然后再尝试安装： ```bash pip install tensorflow_gpu-1.14.0-cp36-cp36m-manylinux1_x86_64.whl ``` --- #### ✅ 2. 使用 `pip debug --verbose` 检查当前平台支持的 wheel 格式 ```bash pip debug --verbose ``` 查看输出中的 `Compatible tags`，例如： ``` cp36-cp36m-manylinux_2_17_x86_64 cp36-cp36m-linux_x86_64 ``` 确认你的环境是否支持 `cp36` 和 `manylinux1` 标签。 --- #### ✅ 3. 替代方案：从源码安装 TensorFlow 1.14（适用于 flightmare） 如果你只是为了运行 [flightmare](https://github.com/uzh-rpg/flightmare)，可以尝试使用源码安装 TensorFlow 1.14： ```bash pip install tensorflow-gpu==1.14.0 ``` > 注意：这需要你的系统有足够内存（至少 4GB RAM）。 --- #### ✅ 4. 使用 Docker（推荐） 如果你不想折腾本地环境，可以直接使用 TensorFlow 1.14 的官方 Docker 镜像： ```bash docker run -it tensorflow/tensorflow:1.14.0-gpu-py3 ``` > 需要先安装 [Docker](https://docs.docker.com/engine/install/) 和 [NVIDIA Container Toolkit](https://docs.nvidia.com/datacenter/cloud-native/container-toolkit/install-guide/) --- ### ✅ 验证是否安装成功 ```bash python -c "import tensorflow as tf; print(tf.__version__); print(tf.test.is_gpu_available())" ``` 预期输出： ``` 1.14.0 True ``` --- ### ❓
评论 4
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值