ubuntu anaconda cuda8.0 cudnn5.1.0 py3.6 tensorflow-gpu

安装anaconda

参考 https://blog.youkuaiyun.com/weixin_37485708/article/details/86416208 

安装cuda8.0 和cudnn5.1

参考 https://blog.youkuaiyun.com/weixin_37485708/article/details/82794326 

安装tensorflow==1.2.1

参考 这个 https://blog.youkuaiyun.com/shiheyingzhe/article/details/80863422 借图片一用。所以我们要安装的tensorflow是1.2.1版本。

创建虚拟环境  conda create -n tf-gpu python=3.6

激活虚拟环境 source activate tf-gpu

 conda install tensorflow-gpu==1.2.1
然后就慢慢等着咯

测试是否安装成功 

import tensorflow
>>> import numpy
>>> import tensorflow as tf
>>> a=tf.constant([1.0,2.0,3.0,4.0,5.0,6.0],shape=[2,3],name='a')
>>> b=tf.constant([1.0,2.0,3.0,4.0,5.0,6.0],shape=[3,2],name='b')
>>> c=tf.matmul(a,b)
>>> sess=tf.Session(config=tf.ConfigProto(log_device_placement=True))
>>> print(sess.run(c))
这个方法还可以查看是cpu版本的tensorflow还是gpu版本的  参考于 https://blog.youkuaiyun.com/weixin_37251044/article/details/79790270

安装keras

参考 https://blog.youkuaiyun.com/Super_jm_/article/details/78397074#commentBox (这篇博客超级全!!!)

pip install keras

pycharm

keras\opencv

keras是直接通过anaconda的图形化界面安装的,在终端中输入 anaconda-navigator 可以打开图像管理界面,选到tf-gpu虚拟环境下

选择all,可以直接通过图形化界面安装。当然也可以直接pip install

但是opencv我试了下,在图形化界面中安装失败了。

于是 https://blog.youkuaiyun.com/weixin_37485708/article/details/86416208 我之前写的博文,先下载好了配套的opencv包,然后安装。

参考:

https://blog.youkuaiyun.com/qq_23888879/article/details/80630539 (说了安装错怎么办) 

https://blog.youkuaiyun.com/lukaslong/article/details/81092032  超级简单方便!

参考资源链接:[ANACONDA+Cuda/cuDNN+Tensorflow-gpu与Keras安装详解PPT](https://wenku.csdn.net/doc/6y7oby6j13?utm_source=wenku_answer2doc_content) 为了确保你能够在Anaconda虚拟环境中成功整合CUDAcuDNN,并安装TensorFlow-gpu以及Keras来支持GPU加速的深度学习训练,你需要按照以下步骤操作: 1. 安装Anaconda:首先,你需要安装Anaconda。访问Anaconda官网下载适合你操作系统的版本,然后按照安装向导完成安装。安装后,通过Anaconda Navigator或Anaconda Prompt来管理你的Python环境和安装包。 2. 配置CUDAcuDNN:访问NVIDIA官方网站下载与你的GPU相匹配的CUDA Toolkit版本,并安装。完成安装后,通过在命令行运行`nvcc --version`检查CUDA是否正确安装。接着,下载并安装cuDNN,解压并将相应的文件复制到CUDA Toolkit的安装目录中。最后,更新你的环境变量,确保系统的PATH包含CUDAcuDNN的路径。 3. 创建并激活虚拟环境:在Anaconda Prompt中,运行以下命令来创建一个新的虚拟环境,并安装Python 3.7版本: ``` conda create -n tf_gpu python=3.7 ``` 激活该环境: ``` conda activate tf_gpu ``` 4. 安装TensorFlow-gpu:在已激活的虚拟环境中,使用pip命令安装TensorFlow-gpu: ``` pip install tensorflow-gpu==2.0 ``` 安装完成后,通过运行`python`进入Python解释器,然后尝试导入`tensorflow`来检查TensorFlow是否能够正确识别GPU5. 安装Keras:在TensorFlow-gpu环境中,使用pip安装Keras: ``` pip install keras ``` 安装完成后,尝试运行一个简单的Keras代码片段来验证GPU加速是否生效。 6. 验证GPU支持:使用以下代码检查GPU支持状态: ```python import tensorflow as tf print(tf.reduce_sum(tf.random.normal([1000, 1000]))) ``` 如果输出中出现了GPU相关的设备信息,则说明GPU支持已经配置成功。 这些步骤将帮助你在Anaconda环境中配置好TensorFlow-gpu和Keras,以便利用NVIDIA GPU进行深度学习模型的训练。为了进一步学习和深入理解相关过程,我建议参考《ANACONDA+Cuda/cuDNN+Tensorflow-gpu与Keras安装详解PPT》。这份PPT详细地解释了整个安装和配置过程,提供了丰富的信息和实用的示例,是帮助你从基础到实践进行深度学习开发的理想资源。 参考资源链接:[ANACONDA+Cuda/cuDNN+Tensorflow-gpu与Keras安装详解PPT](https://wenku.csdn.net/doc/6y7oby6j13?utm_source=wenku_answer2doc_content)
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