百度AI studio安装Tensorflow-gpu 2.0.0

1.注册百度AIStudio平台账号

完成任务（两三分钟）可以获得100小时的GPU

地址 https://aistudio.baidu.com/    （创建项目，上传数据集，启动项目很快就能学会使用）

 

tensorflow-gpu 2.0所依赖的cuda要求10.0版本，但是AIStudio启动项目的时候自带的显卡驱动的版本是随机的，有时候是396.37版本有时候是418.67版本，410.18以上版本的显卡驱动才能安装，版本为10.0以上的cuda。tensorflow-gpu2.0需要cuda10以上的版本。当启动项目后可以在终端里运行 nvidia-smi查看显卡的驱动版本，当不是410.18以上版本的显卡驱动时，就关闭项目重新启动项目。

 

进入项目

 2.创建项目

填好有关内容然后点击创建

点击启动环境进入环境

3.开始配置cuda cudnn

安装cuda之前要先查看需要安装的tensorflow-GPU的版本，然后根据要求安装cuda和cudnn

3.1查看显卡驱动

在终端里运行 nvidia-smi

3.2查看驱动对应的cuda版本 

地址：https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

第一列是cuda的版本，后面的是不同系统下要求的显卡驱动的版本

3.3选择cudnn 版本

查看cuda 和Tenforflow 对应版本 https://tensorflow.google.cn/install/source#linux

4.安装

4.1 下载 cuda

cuda下载地址：https://developer.nvidia.com/cuda-toolkit-archive

通过查看cuda和tensorflow对应的版本，了解tensorflow-gpu2.0需要cuda 10.0的版本

通过上面的操作获取cuda 10.0的下载链接，然后在终端里运行命令进行下载

wget https://developer.nvidia.com/compute/cuda/10.0/Prod/local_installers/cuda_10.0.130_410.48_linux

名字太长了改一下名字，改成 cuda_10.0.130_410.48_linux.run

4.2 下载 cudnn

查看cuda cudnn 对应版本 https://tensorflow.google.cn/install/source#linux

cudnn下载地址：https://developer.nvidia.com/rdp/cudnn-archive  需要注册登录

cudnn 需要和linux系统版本对应 查看linux版本，

按理说这里我们应该安装 CuDnn 的版本是 7.4的才对，但是在运行程序的时候这样会报错

“oaded runtime CuDNN library: 7.3.1 but source was compiled with: 7.6.0.  CuDNN library major and minor version needs to match or have higher minor version in case of CuDNN 7.0 or later version.”

所以根据提示我们这里安装 CuDNN 7.6的版本

获取下载链接后

造终端里运行命令进行下载

wget https://developer.download.nvidia.cn/compute/machine-learning/cudnn/secure/v7.6.0.64/prod/10.0_20190516/cudnn-10.0-linux-x64-v7.6.0.64.tgz?jNv-Pw6JG-MCWG5kQyY154SuM6x82Zmtb9KuNjXFEQ4w0nWzesv5v5x51oZdOkJtnsWVjlXd-z9JLFboXP_eFTzhX3q2sArUW8iTWYgcnkC1kr8Qb7U_TchBDc_g4gcC1fRAFWBYDt7SS6dvvpg7vtrQSVMjrDPGlSEmDYIh-M88kFQaqzlaFX53XFNOG9Niu19DvmIBh_5IDxpTVWc_A0tIpoU

下载之后把名字改一下，改成cudnn-10.0-linux-x64-v7.6.0.64.tgz

4.3 安装

新建一个目录 : mkdir cuda-10.0

安装cuda : 

sh cuda_10.0.130_410.48_linux.run --silent --toolkit --toolkitpath=$HOME/cuda-10.0

安装cudnn 

解压下载的cudnn,默认会解压到cuda文件夹中

tar -zxvf ./cudnn-10.0-linux-x64-v7.6.0.64.tgz

解压把cudnn的指定文件copy到cuda安装文件对应的目录中，注意目录要对，这一步只需要做一次就可以

cp cuda/include/cudnn.h cuda-10.0/include/

cp cuda/lib64/libcudnn* cuda-10.0/lib64/

4.4 修改权限

chmod a+r ~/cuda-10.0/include/cudnn.h

chmod a+r ~/cuda-10.0/lib64/libcudnn*

4.5 配置环境

vi ~/.bashrc

export PATH=/home/aistudio/cuda-10.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/home/aistudio/cuda-10.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
export CUDA_HOME=/home/aistudio/cuda-10.0

source  ~/.bashrc

5 安装TensorFlow-GPU 2.0 

在按照自己的需要安装 Python包时不要直接安装，就是说不要把包安装在 base 环境和 paddle 的环境中，因为这样不会持久，当我们关闭项目重新启动时，我们自己安装的包就都没有了。

持久化的问题在我们创建项目的时候自带的Notebook中已经给出了解决方法

首先创建一个文件夹来放我们自己的 Python 包

mkdir /home/aistudio/external-libraries

然后把我们需要的包都安装在这个文件夹中，如安装 beautifulsoup4

pip install beautifulsoup4 -t /home/aistudio/external-libraries

当我们要使用beautifulsoup4时需要在Python代码中添加如下代码就可以了。

import sys
sys.path.append('/home/aistudio/external-libraries')

所以我们也要把TensorFlow-gpu 2.0安装在这个文件夹中

pip install tensorflow-gpu==2.0.0 -t /home/aistudio/external-libraries

这样就可以持久化了。

6 训练自己的模型

在终端中执行自己的程序

7 注意

我们这样设置的tensorflow的环境是不能使用AiStudio自带的notebook的，但是我们可以在终端里执行自己的代码。

当我们重新启动项目后发现不能正常使用了，怎么搞的呢？

1.首先我们要检测显卡的驱动程序的版本是不是 418.67或以上，

如果不是就重新启动项目，直到分配到这个版本的环境为止，

2.需要重新修改有关文件的权限和配置环境变量，怎么设置的参考上面的 4.4 修改权限 和 4.5 配置环境。

然后就可以正常执行自己的代码了。但是感觉这样还是有点麻烦，那就搞个脚本吧把修改权限和配置环境放在脚本里

创建一个文件  auto_chmod_env.sh ，点击打开，填入一下内容

#!/bin/bash
chmod a+r ~/cuda-10.0/include/cudnn.h
chmod a+r ~/cuda-10.0/lib64/libcudnn*
echo 'export PATH=/home/aistudio/cuda-10.0/bin${PATH:+:${PATH}};export LD_LIBRARY_PATH=/home/aistudio/cuda-10.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}};export CUDA_HOME=/home/aistudio/cuda-10.0' > ~/envm
source  ~/envm

当项目重新启动后只要在终端里执行一下语句

source auto_chmod_env.sh

就自动修改了有关文件的权限和配置好了环境，然后自己运行自己的代码就行了。

注意

在执行代码时，一定要在要执行的代码中添加

import sys
sys.path.append('/home/aistudio/external-libraries')

引用

百度AI studio配置cuda +cudnn（详细教程）

百度AI studio配置tensorflow环境