ubuntu安装tensorflow

偏执的太偏执、 2023-02-26 04:20 18阅读 0赞

## 全文转自：[https://zhuanlan.zhihu.com/p/50449900][https_zhuanlan.zhihu.com_p_50449900] ##

## 0. 我们开始吧 ##

先更新一下系统：

sudo apt-get update
    sudo apt-get upgrade

## 1. 安装显卡驱动 ##

如果你用的是 Ubuntu 桌面版（即带图形化界面），那么去 Nvidia 官网下载驱动就是你遇到的第一个陷阱。当你试图安装时，系统会报错说你该关闭 X window 或者降低系统的 run level。大意就是在安装显卡驱动前，你得先关停系统的图形化界面。

## 1.1. 如果你用的是 Ubuntu 桌面版 ##

那么用 apt-get 安装驱动最简单，但你需要点耐心，因为驱动下载的速度比较慢。

添加开源显驱仓库

sudo add-apt-repository ppa:graphics-drivers/ppa
    sudo apt-get update

安装一些依赖

sudo apt-get install dkms synaptic build-essential

打开系统的 Software & Update 工具，选择 Additional Drivers，此时你会看到可以下载的显卡驱动。

驱动安装完成后，根据提示重启电脑即可。

## 1.2. 如果你用的是 Ubuntu 服务器版 ##

1.  从官网[下载显卡的最新驱动版本][Link 1]。
2.  `cd` 到驱动安装包所在的目录并用 `sh NVIDIA-Linux-x86_64-version.run` 运行安装包，注意把version替换成你下载的驱动版本号。
3.  用 `sudo reboot` 重启电脑后，驱动就安装完成了。

## 1.3. 检查驱动是否安装成功 ##

在命令行输入 `nvidia-smi` ，看到显卡当前的状态例如温度、显存占用情况等，说明驱动安装成功了。

顺便说个小技巧，如果你在跑模型时想监控显卡的温度，也可以用这个命令：

watch -n 1 nvidia-smi # 1表示每1秒刷新一次

## 1.4. 不要自行安装CUDA和cuDNN ##

除非你打算安装CUDA 10.0并自行编译 TensorFlow 或 PyTorch ，否则不要自行安装 CUDA 和 cuDNN！因为版本兼容问题是个大坑，而网上很多教程却避而不谈。其实最简单稳妥的办法就是通过 Anaconda 安装 TensorFlow ，让它来安装正确的依赖 —— 例如 CUDA 和 cuDNN。

## 2. 安装 Anaconda ##

Anaconda 是数据科学家的必备神器，而我们[使用它安装 TensorFlow ][TensorFlow]的原因是：

1.  自动安装正确版本的依赖；
2.  环境管理 —— PyTorch 和 TensorFlow 依赖的CUDA版本不一致也没关系；
3.  这个安装方法太简单了！

首先下载 Anaconda。目前[官方默认提供 Python 3.7 版的安装包][Python 3.7]，但由于 TensorFlow 目前还不支持 Python 3.7 ，所以你有两个选择：

1.  如果你熟悉Anaconda，可以在安装Python 3.7版的Anaconda后，[创建一个Python 3.6的环境][Python 3.6]。
2.  或者直接下载[Anaconda Python 3.6][]版。64位的Linux系统应该下载“[Anaconda3-5.2.0-Linux-x86\_64.sh][Anaconda3-5.2.0-Linux-x86_64.sh]”。

然后[安装 Anaconda][Anaconda]：

bash ~/Downloads/Anaconda3-5.3.0-Linux-x86_64.sh #如果你下载的是3.7版
    bash ~/Downloads/Anaconda3-5.2.0-Linux-x86_64.sh #如果你下载的是 3.6版

## 3. 通过 Anaconda 安装 TensorFlow ##

安装好 Anaconda 之后，我们先为 TensorFlow 创建一个新的环境：

# 如果你安装的是 Python 3.6 版的Anaconda:
    conda create --name tf_gpu_env tensorflow-gpu # tf_gpu_env是这个环境的名字
    
    # 如果你安装的是 Python 3.7 版的Anaconda，则需要声明新创建的环境使用 Python 3.6:
    conda create --name tf_gpu_env python=3.6 anaconda tensorflow-gpu

Anaconda 会自动安装 TensorFlow 所需依赖，包含正确版本的 CUDA 和 cuDNN。安装完成后，我们启动这个环境：

source activate tf_gpu_env

运行 `jupyter notebook` 欢快地跑起模型来吧！

别忘了每次开机后都要手动启动这个环境哦，如果你想退出当前环境，只需：

source deactivate

## 4. 生命像海浪一样有时高有时低 ##

即使你完全按照官方文档和教程去做，意外还是时有发生。如果你在 Jupyter Notebook 引入TensorFlow 时引起报错 \`No module named 'tensorflow' \` ：

我们来逐步排查原因，首先关闭 Jupyter Notebook，直接在 `tf_gpu_env` 的环境中进行以下操作。

## 4.1. 排除 Jupyter Notebook 的嫌疑 ##

启动 python

python

然后

import tensorflow

如果没有问题，那么说明是 Jupyter Notebook 的问题。这通常是因为 Jupyter Notebook 没有读取到正确的环境路径。退出 python 后，在当前环境下重装 Jupyter Notebook 就好了。

conda install jupyter notebook

## 4.2. 如果在 python 命令行中就无法引入 TensorFlow ##

这可能是因为你曾经用 `pip` 安装过 TensorFlow 导致的，解决方法是在当前环境中强行重装 TensorFlow：

pip install --ignore-installed tensorflow-gpu

## 5. 远程运行 Jupyter Notebook（可选，但超有用） ##

最后，分享一个很酷的小技巧。你已经搭建好一台高性能的深度学习PC了，但[如果你已经习惯了自己的笔记本电脑，希望继续在上面做开发][Link 2]怎么办？

你可以将这台PC看作远端服务器，然后把笔记本的8888端口（Jupyter Notebook默认端口）转发到服务器的8888端口。这样一来，你就能直接在**笔记本**上访问 http://localhost:8888 使用运行在**服务器**上的 Jupyter Notebook。具体方法是：

先用**笔记本**SSH上服务器：

$笔记本: ssh <username>@<ServerIP> # 这里填上服务器的内网IP

接着在**服务器**启动 Jupyter Notebook：

$服务器: source activate tf_gpu_env # 别忘了启动Anaconda的环境
    $服务器: jupyter notebook

然后在**笔记本**的终端上新开一个tab，设置端口转发：

$笔记本: ssh -NL 8888:localhost:8888 <username>@<ServerIP>

现在打开**笔记本**的浏览器，访问 http://localhost:8888 即可访问运行在服务器上的 Jupyter Notebook 了！

你还可以拔掉PC上的视频线，Ubuntu 将不会启动图形化界面，这能节省下大约8%~10%的显存，从而把显存全用在跑模型上。

参考：https://blog.csdn.net/intflojx/article/details/85541343

[https_zhuanlan.zhihu.com_p_50449900]: https://zhuanlan.zhihu.com/p/50449900
[Link 1]: https://link.zhihu.com/?target=https%3A//www.geforce.cn/drivers
[TensorFlow]: https://link.zhihu.com/?target=https%3A//www.anaconda.com/blog/developer-blog/tensorflow-in-anaconda/
[Python 3.7]: https://link.zhihu.com/?target=https%3A//www.anaconda.com/download
[Python 3.6]: https://link.zhihu.com/?target=https%3A//conda.io/docs/user-guide/tasks/manage-python.html%23installing-a-different-version-of-python
[Anaconda Python 3.6]: https://link.zhihu.com/?target=https%3A//repo.anaconda.com/archive/
[Anaconda3-5.2.0-Linux-x86_64.sh]: https://link.zhihu.com/?target=https%3A//repo.anaconda.com/archive/Anaconda3-5.2.0-Linux-x86_64.sh
[Anaconda]: https://link.zhihu.com/?target=http%3A//docs.anaconda.com/anaconda/install/linux/
[Link 2]: https://link.zhihu.com/?target=http%3A//www.justinkiggins.com/blog/zero-configuration-remote-jupyter-server/