欢迎访问我的GitHub
https://github.com/zq2599/blog_demos
内容：所有原创文章分类汇总及配套源码，涉及Java、Docker、Kubernetes、DevOPS等；
本篇概览
- 本篇记录了自己在Ubuntu 16.04.7 LTS系统上搭建TensorFlow2开发环境的过程，用于将来重装时的参考
- 硬件是2018年购买的惠普暗隐精灵3代，显卡GTX1060，已经安装了Ubuntu16 LTS桌面版
- 执行本篇操作前需要安装Nvidia的驱动，详情请参考《Ubuntu16安装Nvidia驱动(GTX1060显卡)》
- 查看驱动信息，如下图，可见CUDA版本是10.1
版本匹配
- 去tensorflow官网查看版本匹配关系，地址：https://tensorflow.google.cn/install/source
- 如下图，在我的电脑上有三个合适的版本：
安装
-
注意：接下来的所有操作并未使用root账号
-
下载anaconda3，地址：https://www.anaconda.com/products/individual，如下图，可见官方最新版本对应的Python是3.8，符合前面的TensorFlow版本匹配表中的Python版本，所以，就下载最新版吧（此刻是2021.05版）
- 由于个人习惯，我的操作都是在MacBook上远程SSH到Ubuntu16电脑上操作的，和在本地执行命令行并无区别，您可以随意
- 增加可执行权限：
chmod a+x Anaconda3-2021.05-Linux-x86_64.sh
- 运行：
bash Anaconda3-2021.05-Linux-x86_64.sh
- 按照提示输入回车：
- 翻阅文档，按照要求输入yes：
- 是否初始化，输入yes：
- 安装完成：
- 退出ssh重新登录，输入python即可进入anaconda环境的python：
(base) will@ubuntu-hp:~$ python
Python 3.8.8 (default, Apr 13 2021, 19:58:26)
[GCC 7.3.0] :: Anaconda, Inc. on linux
Type "help", "copyright", "credits" or "license" for more information.
- 创建新的conda环境，名为py38：
conda create -n py38 python=3.8.8
- 激活py38：
conda activate py38
- 安装指定版本的tensorflow，指定国内源以加快下载速度：
pip install tensorflow-gpu==2.3.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
- 安装CUDA：
conda install cudatoolkit=10.1 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/linux-64/
- 安装cudnn：
conda install cudnn=7.6.5
- 安装完成，接下来验证一下是否GPU版的TensorFlow是否安装成功
验证
- 退出ssh，重新登录
- 查看有哪些conda环境，以及正在使用哪个，输入命令conda info –e，如下，星号所在的行表示正在使用的是base环境，并非咱们要用的py38：
(base) will@ubuntu-hp:~$ conda info --e
# conda environments:
#
base * /home/will/anaconda3
py38 /home/will/anaconda3/envs/py38
- 执行source activate py38即可切换到py38环境
- 直接输入python进入python交互模式
- 导入tensorflow：
import tensorflow as tf
- 显示导入成功：
2021-10-08 23:08:55.391471: I tensorflow/stream_executor/platform/default/dso_loader.cc:48] Successfully opened dynamic library libcudart.so.10.1
- 以下代码表示检查tensorflow能否得到CUDA支持，支持就会返回True，否则返回false：
tf.test.is_built_with_cuda()
- 以下代码表示检查tensorflow能否获取到GPU：
tf.test.is_gpu_available()
- 如果能获取到会返回Ture，并且输出的部分日志信息如下，可见显卡信息已成功取到：
2021-10-08 23:09:34.367795: I tensorflow/stream_executor/cuda/cuda_gpu_executor.cc:982] successful NUMA node read from SysFS had negative value (-1), but there must be at least one NUMA node, so returning NUMA node zero
2021-10-08 23:09:34.368110: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1402] Created TensorFlow device (/device:GPU:0 with 5088 MB memory) -> physical GPU (device: 0, name: GeForce GTX 1060 6GB, pci bus id: 0000:01:00.0, compute capability: 6.1)
True
- 作为对比，下图是MabBook上的CPU版本TensorFlow执行结果：
- 至此，安装完成。
你不孤单，欣宸原创一路相伴
欢迎关注公众号：程序员欣宸
微信搜索「程序员欣宸」，我是欣宸，期待与您一同畅游Java世界…
