|
02、Ubuntu18.04下TensorFlow2.0-GPU与PyTorch1.3【安装成功】详细步骤
前提条件:
系统Ubuntu18.04下已经安装好了CUDA10.0与CuDNN7.4.2 另外Miniconda的版本为4.7.10
TensorFlow-GPU使用CUDA:v10.0这个版本(已经在系统中安装)
而查看PyTorch官网PyTorch==1.3的Stable版本只支持 CUDA v9.2和10.1版本
为了两者能共存需要用到conda的虚拟环境隔离,且看我的操作步骤!
步骤:
1、conda create -n py3_tf2_torch python=3.6.8
2、conda activate py3_tf2_torch conda list 查看pip版本
注意:TensorFlow 2 packages require a pip version >19.0.
3、用pip --version pip3 --version验证是否报错 以及位置是否在虚拟环境内部
我的结果是:
pip 19.3.1 from /home/dfy888/miniconda3/envs/py3_tf2_torch/lib/python3.6/site-packages/pip (python 3.6)
pip 9.0.1 from /usr/lib/python3/dist-packages (python 3.6) 这个pip3并没有在虚拟环境内部哦
4、执行:python3 get-pip.py 升级(会安装pip3到虚拟环境内部) 这个get-pip.py文件我放附件可供下载 之后退出虚拟环境 退出终端
5、(重新打开终端并进入虚拟环境)再用pip --version pip3 --version 查看是否升级成功
同时是否在虚拟环境内部的pip和pip3命令(根据路径就能确定)
6、conda list 查看pip版本 同时发现 Build=pypi_0 Channel=pypi 再一次确认,非常好!
7、pip3 install numpy和jupyter notebook和matplotlib和nltk和scikit-learn和pandas等常用的包
8、【安装tensorflow2.0-gpu】pip3 install tensorflow-gpu (Latest stable release )
会自动安装一些相关的依赖 没有报错就成功啦! pip3 list 可以查看tf的版本
我的:tensorboard==2.0.0 tensorflow-estimator==2.0.1 tensorflow-gpu==2.0.0
9、通过代码测试:python3进入python环境 import tensorflow as tf print(tf.__version__)
测试是否能使用GPU:tf.test.is_gpu_available() 返回True即可以用
10、【安装Pytorch==1.3】conda install pytorch torchvision cudatoolkit=10.1 -c pytorch
(这里选择用conda方式安装,可以帮我们自动安装10.1的cudatoolkit 速度非常快,用的清华源) 成功!
11、检测虚拟环境内pip与pip3版本与位置,conda方式安装有可能改变,否则又得执行:python3 get-pip.py
12、检查PyTorch是否使用GPU(成功):python3进入python环境 import torch as T
T.__version__ T.cuda.current_device() T.cuda.device_count() T.cuda.get_device_name(0)
测试代码用这个:分别用纯Python、TensorFlow1.X、2.X、PyTorch1.3实现同一个计算(方便比较)
地址:http://www.ai111.vip/thread-867-1-1.html
东方老师AI官网:http://www.ai111.vip
有任何问题可联系东方老师微信:dfy_88888
【微信二维码图片】
- import os
- import sys
- import time
- import tensorflow as tf
- import matplotlib as mpl
- import matplotlib.pyplot as plt
- import numpy as np
- import pandas as pd
- import sklearn
- from tensorflow import keras
- # tf的keras 和 单独的keras
- # import keras
- print(tf.__version__)
- print(sys.version_info)
- for module in mpl, np, pd, sklearn, tf, keras:
- print(module.__name__, module.__version__)
复制代码
|
-
01.png
(67.62 KB, 下载次数: 145)
-
02.png
(109.61 KB, 下载次数: 144)
-
03.png
(50.33 KB, 下载次数: 142)
-
04.png
(35.95 KB, 下载次数: 144)
-
05.png
(204.95 KB, 下载次数: 142)
-
06.png
(64.56 KB, 下载次数: 142)
-
07.png
(202.41 KB, 下载次数: 141)
-
08.png
(135.75 KB, 下载次数: 146)
-
09.png
(83.83 KB, 下载次数: 143)
-
10.png
(43.58 KB, 下载次数: 143)
-
-
get-pip.py
1.63 MB, 阅读权限: 10, 下载次数: 6
|