ubuntu服务器搭建tensorflow-gpu

最新推荐文章于 2022-08-17 23:46:51 发布

two_apples

最新推荐文章于 2022-08-17 23:46:51 发布

阅读量462

点赞数 1

CC 4.0 BY-SA版权

分类专栏：工具添加

本文链接：https://blog.youkuaiyun.com/two_apples/article/details/106193293

工具添加专栏收录该内容

7 篇文章

订阅专栏

本文详细介绍了在已配置好CUDA和cuDNN的服务器上，如何通过Anaconda安装和配置TensorFlow GPU环境的过程。包括环境创建、依赖库安装、环境变量设置及测试验证。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

非612同学搭载方法
612同学搭载方法：
在服务器上有anaconda ,已经配好的cuda+cudnn；
1.先登录进入服务器，先安装anaconda

cd /home/public/Packages/
ls

在这里插入图片描述
./Anaconda-3.5.2.0-Linux-x86_64.sh`

开始安装，默认装到自己名下账户的文件夹内。

然后开始换源，加快安装速度。（pip换源自行百度）
换源之后开始创建环境与安装
输入conda create -n （环境名称） python=3.5（python必须3.5或3.6，3.6以上版本tensorflow可能会报错），

conda create -n tensorflow python=3.6

环境创建完之后，安装tensorflow
在tensorflow官网上查看需要的tensorflow版本，实验室支持两个cuda+cudnn配置，自行查看文件，以tensorflow 1.12.0为例。

pip install tensorflow-gpu==1.12.0

因为服务器拥有环境，不需要自己再下载cuda与cudnn,只需将环境变量配置到自己的环境变量中即可。

export PATH="/usr/local/cuda-9.0/bin:$PATH" 
export LD_LIBRARY_PATH="/usr/local/cuda-9.0/lib64:$LD_LIBRARY_PATH" 
export CUDA_HOME="/usr/local/cuda-9.0:$CUDA_HOME"
source ~/.bashrc
nvcc -V

显示以下信息
Cuda compilation tools, release 9.0, V9.0.176

到这里就完了，因为服务器的环境cuda+cudnn已经弄好了，现在激活环境开始测试：

source activate tensorflow

import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))