anaconda3环境py37版本+tf1.15+cuda10+cudnn7.6

最新推荐文章于 2023-08-31 11:44:10 发布

原创最新推荐文章于 2023-08-31 11:44:10 发布 · 602 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#ubuntu #python #tensorflow

python 同时被 3 个专栏收录

14 篇文章

订阅专栏

目标检测

13 篇文章

订阅专栏

cuda

3 篇文章

订阅专栏

博主分享了如何将原本在Windows系统中占用大量C盘空间的TensorFlow-GPU环境（Python 3.7，TensorFlow 1.13，CUDA 10，CUDNN 7.6）迁移到Ubuntu系统，并创建了一个conda环境（py37）以安装CUDA 11.4和470驱动。在Ubuntu环境下，使用Anaconda创建了Python 3.7的虚拟环境，并成功安装了TensorFlow 1.15。然而，训练过程中遇到GPU内存不足的问题，通过修改`model_main.py`文件中的GPU配置解决了该问题。最后，介绍了如何退出conda环境。

部署运行你感兴趣的模型镜像

win10下原安装了py37+tf1.13+cuda10+cudnn7.6，用于tf1框架检测的运算，在C盘系统占空间太大，想移到其他盘，谁知怎么安装都出问题，GPU 不运行，而且训练的模型都保存在C盘昨时文件夹中，也不方便。

ubuntu系统安装了anaconda3，py3.8，cuda11.4，470驱动。anaconda可支持多个版本的python，故另建一个py37版本，用于tf1 目标检测模型的训练，tf1模型pb文件应用方便。

conda create -n py37 python=3.7

建立名为py37的环境。自动安装cuda10.0及cudnn7.6.5

启动激活conda activate py37

安装tensorflow-gpu==1.15.0，安装API

运行训练：python object_detection/model_main.py --pipeline_config_path=**/**.config --model_dir=** --alsologtostderr

该错误主要是gpu内存不足引起，修改model_main.py

import tensorflow.compat.v1 as tf

import os
os.environ["CUDA_VISIBLE_DEVICES"] = "0"

config = tf.ConfigProto()
gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=0.7)
config.gpu_options.allow_growth = True
session = tf.Session(config=config)

后可进行训练。