我要评论
文章目录
前言：最好是去这里看一下tensorflow对应的cuda版本，按照要求的版本安装，我是因为有其他程序必须要11.6才没有按照这个要求安装，但是安装流程是一样的。
一、cuda安装
1.1 安装显卡驱动
查看推荐显卡
ubuntu-drivers devices
安装recommend推荐显卡版本，这里推荐的是535版本
sudo apt-get install nvidia-driver-535
要选择版本不然会自动更新内核。 但是我安装535会黑屏，只能安装了510，由于是刚安装的系统，更新了内核也没太大的影响，另外安装版本太低的话也不行，因为下面安装cuda要求最小版本
1.2 cuda安装
使用手动安装方法：
nvidia-smi
查看显卡驱动支持最高cuda版本是12.1， 到cuda-toolkit-archive，选择需要的cuda版本下载（你需要的与tensorflow匹配的版本），如下图，选择runfile(local)，并使用生成的指令进行下载和安装
回车取消安装显卡驱动，然后选择最后的安装：
安装成功之后环境配置，在.bashrc文件末尾添加环境变量：
sudo gedit ~/.bashrc
# 添加以下内容：
export path=/usr/local/cuda-11.6/bin${path:+:${path}}
export ld_library_path=/usr/local/cuda-11.6/lib64${ld_library_path:+:${ld_library_path}}
或者终端输入以下命令添加：
# taken from: https://docs.nvidia.com/cuda/cuda-installation-guide-linux/index.html#post-installation-actions
echo 'export path=/usr/local/cuda-11.6/bin${path:+:${path}}' >> ~/.bashrc
echo 'export ld_library_path=/usr/local/cuda-11.6/lib64${ld_library_path:+:${ld_library_path}}' >> ~/.bashrc
验证是否安装成功
nvcc -v
1.3 安装cudnn
成功安装完cuda之后，官网下载cuda对应版本的cudnn，前往cudnn-archive（需要注册账号），这里我选择的是8.9.4版本的cudnn（local installer for linux x86_64 (tar)），对应11.x版本的cuda（找到与你的cuda对应的版本）：
下载完成后，在文件所在目录解压缩，注意自己下载文件的名称
tar -xvf cudnn-linux-x86_64-8.9.4.25_cuda11-archive.tar.xz
解压缩完成后，将部分文件复制转移/usr/local（注意：自己下载文件的名称， cudnn8.0以上会将版本信息更新到cudnn_version.h文件中，也需要将这个文件复制，否则验证的时候会没有反应） ：
cd cudnn-linux-x86_64-8.9.4.25_cuda11-archive
sudo cp include/cudnn.h /usr/local/cuda/include/
sudo cp lib/libcudnn* /usr/local/cuda/lib64/
sudo chmod a+r /usr/local/cuda/include/cudnn.h
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*
sudo cp include/cudnn_version.h /usr/local/cuda/include/
cat /usr/local/cuda/include/cudnn_version.h | grep cudnn_major -a 2 #验证
二、anaconda安装
进入anaconda官网，点击download下载（anaconda会根据访问网页所使用的系统下载对应的版本，比如我这里下载的是anaconda3-2023.03-linux-x86_64.sh）
安装anaconda
bash anaconda3-2023.03-linux-x86_64.sh
（1）查看安装协议，一直按enter直到出现 do you accept the license terms? [yes|no] ，输入yes即可继续安装；
（2）输入yes后会提示确认安装位置，这里点击enter，默认即可；
（3）初始化anaconda，这一步只需要根据提示输入yes即可；
重启终端进入conda基础环境，可以检查一下在此环境下的python位置和版本：
如果希望 conda 的基础环境在启动终端时不被激活，将 auto_activate_base 参数设置为 false：
conda config --set auto_activate_base false
后面想要再进入conda的base环境，只需要使用conda指令激活：
conda activate base
conda常用命令：
- 创建conda环境
conda create --name 环境名 包名（多个包名用空格分隔）
# 例如：conda create --name my_env python=3.7 numpy pandas scipy
- 列出所有虚拟环境
conda env list
- 激活（切换）conda环境
conda activate 环境名
# 例如：conda activate bas
- 显示已创建的conda环境
conda info --envs
# 或者：conda info -e，亦或者conda env list
- 删除指定的conda环境，
# 通过环境名删除
conda remove --name 要删除的环境名 --all
# 通过指定环境文件位置删除（这个方法可以删除不同位置的同名环境）
conda remove -p 要删除的环境所在位置 --all
# 例如：conda remove -p /home/zard/anaconda3/envs/maskrcnn --all
三、安装tensorflow和pytorch
3.1 安装pytorch
进入pytorch官网（https://pytorch.org/），往下拉，选择你的环境生成安装命令：
复制安装命令：
conda install pytorch torchvision torchaudio pytorch-cuda=11.7 -c pytorch -c nvidia
输入y安装（可能需要科学上网）：
测试是否能够使用：
ipython
import torch
torch.cuda.is_availbale()
3.2 安装tensorflow2
# 创建一个虚拟环境
conda create -n tensorflow2 python=3.7
# 激活环境
conda activate tensorflow2
pip install ipython
pip install tensorflow -u
# 使用清华大学的镜像源安装
pip install ipython -i https://pypi.tuna.tsinghua.edu.cn/simple/
pip install tensorflow -u -i https://pypi.tuna.tsinghua.edu.cn/simple/
注意不要pip install tensorflow-gpu，会报以下错误，根据提示消息这时候安装tensorflow也是可以使用gpu的。
两种方法都可以让你的 tensorflow 安装使用 gpu 加速（事实上，自 tensorflow 2.1 版本开始，两个包在功能上基本相同），具体来说：
- 使用
pip install --upgrade tensorflow安装 tensorflow 时，tensorflow 应该能够自动检测和使用可用的 gpu 进行加速，前提是您的系统满足了相关的 gpu 驱动程序、cuda 工具包和 cudnn 库的要求。这是因为 tensorflow 是一个通用框架，它可以在 cpu 和 gpu 上运行，但需要正确的配置和依赖项来利用 gpu。 - 使用
pip install --upgrade tensorflow-gpu安装 tensorflow-gpu 版本时，它已经专门配置为利用 gpu 加速，无需额外的配置。
无论选择哪种方法，只要满足了 gpu 驱动程序、cuda 工具包和 cudnn 库的要求，tensorflow 都应该能够正确地使用 gpu 进行加速。
可以通过检查可用的 gpu 数量来验证是否已启用 gpu 加速：
import tensorflow as tf
tf.test.is_gpu_available()
print("num gpus available: ", len(tf.config.experimental.list_physical_devices('gpu')))
四、安装pycharm
4.1 pycharm的安装
进入官网（https://www.jetbrains.com.cn/en-us/pycharm/）下载pycharm
点击下载，往下翻，下载community版本
下载完成后解压，进入bin目录，运行.sh文件
cd pycharm-community-2023.2.1/bin/
sh pycharm.sh
界面启动后，在打开的pycharm软件界面左下角，点击设置图标，选择create deasktop entry。关闭pycharm，点击左下角显示应用程序，找到pycharm，即可开始使用
点击进入plugins，选择marketplace，搜索chinese，找到中文语言包（图标上有个“汉”字）进行安装，安装好后重启pycharm即可
4.2 关联anaconda的python解释器
创建新项目之后，打开设置，选择python解释器：
添加python解释器，选择conda环境，选择我们之前创建的虚拟环境：
可以看到我们安装的库已经有了
五、vscode配置anaconda的python虚拟环境
实际上，我更习惯使用vscode，其简洁方便，我在使用pycharm时总是遇到卡死的情况，并且字体，主题等等令人不爽，下面使用vscode配置anaconda的python虚拟环境
首先我们要知道虚拟环境的python解释器位置，它位于#{youhome}/anaconda3/envs/#{youevn}/bin/python，例如我上面创建的虚拟环境：
然后在vscode左下角的设置中搜索python path，找到解释器路径设置，填入虚拟环境的解释器：
接下来就可以愉快使用啦（按f5运行哦）：
发表评论