Linux+Anaconda+tensorflow-gpu环境配置

本文介绍在Linux系统下安装Anaconda和TensorFlow-GPU的详细步骤。包括从清华镜像网站下载Anaconda安装包,将其传输到服务器并安装,添加清华镜像源后用conda创建虚拟环境,激活环境安装TensorFlow-GPU,还提及了可能遇到的问题及cuda和cudnn版本的注意事项。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >


当公司的网不支持访问外网时,需要先设置代理,具体设置需要参考公司内部代理服务器。

下载Anaconda安装包

去清华镜像网站下载anaconda安装包https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/,选择自己的所需要的版本,我所选择的是python3.6(Anaconda3-4.3.1-Linux-x86_64.sh)。

安装anaconda

  • 可以在自己电脑上下载得到安装包Anaconda3-4.3.1-Linux-x86_64.sh,在用scp命令传输到服务器上。
  • 传输命令为: scp Anaconda3-4.3.1-Linux-x86_64.sh xxx.xxx.xx.xx:/home/anaconda(路径自己选择,xxx.xxx.xx.xx为服务器ip)
  • 在服务器上再切换到目标文件夹cd /home/anaconda.,安装anaconda:
bash Anaconda3-4.3.1-Linux-x86_64.sh

安装过程中一路enter,要选择yes或者no时选择yes,然后等待安装,安装完毕后出现Thank you for installing Anaconda3! 时表示安装成功,并且会自动将路径添加到环境变量。注意此时安装的路径也在该路径下(例/home/anaconda/anaconda3,视自己路径而定)。

  • 需要source ~/.bashrc更新环境变量,用指令conda list测试是否安装成功。如果提示没有conda指令,这时手动添加环境变量:编辑 ~/.bashrc 文件
vi ~/.bashrc

在最后一行添加环境:

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

下面就可以使用conda安装自己的环境了。

conda安装自己的虚拟环境

  • 打开终端,将conda清华镜像源添加进来,因为后续的环境配置需要下载文件:
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
  • 创建自己的虚拟环境,在这个环境下,配置项目所需要的版本信息,如Python,tensorflow等,一般来说不同的项目就配置不同的环境,从而项目与项目之间独立,方便管理依赖。
conda create -n env_name python=3.6 

-n后面表示就是自己的环境名。

有可能踩到的坑

当公司内访问外网时,尽管已经设置好代理,但有时还是会报错

CondaHTTPError: HTTP None None for url <None>
Elapsed: None

An HTTP error occurred when trying to retrieve this URL.
HTTP errors are often intermittent, and a simple retry will get you on your way.
SSLError(SSLError(SSLError("bad handshake: Error([('SSL routines', 'ssl3_get_server_certificate', 'certificate verify failed')],)",),),)

在创建环境前添加语句:

conda config --set ssl_verify no

安装tensorflow-gpu

  • 激活上面所创建的环境,即将该虚拟环境的路径添加到了环境变量中,这样在该环境下所创建的项目就能找到在该环境下所建立的依赖了。
source activate env_name
  • 安装TensorFlow-GPU
conda install tensorflow-gpu
  • 此时可以测试tensorflow是否安装成功,在该环境下,进入python编译环境:
python

看是否可以成功导入tensorflow库

import tensorflow

能成功导入,配置成功。
配置完毕!

注意

cuda和cudnn的安装在安装tensorflow-gpu时顺便安装好了,其版本随tensorflow版本而定,也就是随着anaconda版本而定。

### 安装 TensorFlow-GPU 的方法 为了在 Linux 服务器上使用 Anaconda 正确配置并安装 TensorFlow-GPU,可以通过以下几种方式进行操作: #### 方法一:通过 Conda 命令直接安装 可以直接利用 `conda` 来安装指定版本的 TensorFlow-GPU。例如,要安装 TensorFlow-GPU 版本 1.12.0,可以运行以下命令: ```bash conda install tensorflow-gpu==1.12.0 ``` 此方法适用于 Conda 已经支持的 TensorFlow-GPU 版本[^1]。 #### 方法二:通过 Pip 安装特定版本 如果目标 TensorFlow-GPU 版本未被 Conda 支持,则可以在激活的 Anaconda 虚拟环境中使用 `pip` 进行安装。例如,对于 TensorFlow-GPU 1.13.2 可以执行以下命令: ```bash pip install tensorflow-gpu==1.13.2 ``` 这种方法允许更灵活地选择不同版本的 TensorFlow-GPU[^2]。 #### 方法三:离线安装 TensorFlow-GPU 当网络条件受限时,可以选择下载对应版本的 `.whl` 文件并通过本地文件路径完成安装。例如,在 Python 3.7 环境下安装 TensorFlow-GPU 2.3.0,可先获取对应的轮子文件(wheel file),然后运行以下命令: ```bash pip install tensorflow_gpu-2.3.0-cp37-cp37m-manylinux2010_x86_64.whl ``` 该过程需确保所选 wheel 文件与系统的架构以及 Python 解释器版本相匹配[^3]。 #### 额外提示:混合工具链安装其他依赖项 有时可能还需要额外安装一些库来满足项目需求。在这种情况下,即使某些包无法通过 Conda 获取,也可以借助内置的 Pip 实现安装目的。比如安装 NumPy 库至当前活动的虚拟环境里,可以用下面这条指令实现: ```bash python -m pip install numpy ``` 这一步骤展示了如何结合两种工具的优势来构建完整的开发环境[^4]。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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