Ubuntu 18.04 nvidia driver 390.48 安装 TensorFlow 1.12.0 和 PyTorch 1.0.0 详细教程
最近要在个人台式机上搭建TensorFlow和PyTorch运行环境,期间遇到了一些问题。这里就把解决的过程记录下来,同时也可以作为安装上述环境的过程记录。
如果没有遇到类似的问题,想直接从零安装上述两个包的运行环境的,请直接阅读第三部分。
一、硬件和环境配置:
1)操作系统:Ubuntu 18.04;
2)NVIDIA Driver Version :390.48;(可通过nvidia-smi命令查到)
3)GPU:GTX 1080; (可通过nvidia-smi命令查到)
4)已安装CUDA Toolkit 9.1; (可通过nvcc --version命令查到)
5)已安装Anaconda3。
二、问题描述及解决过程:
1)在安装Anaconda3后,创建名为mydev的虚拟环境
conda create --name mydev
2)随后
source activate mydev
启用虚拟环境
3)安装torch1.0.0和tensorflow1.12.0
conda install -c pytorch pytorch
conda install tensorflow-gpu
4)安装完成后,检测上述两个包是否均能够使用GPU进行训练
pytorch的测试代码:
# -*- coding: utf-8 -*- from __future__ import print_function import os import torch cuda = torch.cuda.is_available() if cuda: print('OK! CUDA device detected.') else : print('Error, CUDA device NOT detected.')
tensorflow的测试代码:
import tensorflow as tf print(tf.test.is_gpu_available())
测试结果:
pytorch测试结果显示:OK! CUDA device detected.
tensorflow测试结果显示:False.
说明torch可以检测到GPU但是tensorflow没检测到GPU。
5)开始查错。首先
source deactivate
退出当前虚拟环境
6)然后
source activate mydev
重新进入虚拟环境,
conda list
让conda列出当前虚拟环境下安装的所有包的信息,目的是查看包的版本
发现一个名为cudatoolkit的包,其版本是9.2,是随着tensorflow一并安装到虚拟环境内的。看似没有什么问题。
7)在当前虚拟环境内进入python
python
在python内,敲入:
>>> import tensorflow as tf
>>> tf.__file__
>>> tf.__version__
来获取tensorflow的安装位置,我们要检查一下tensorflow到底安装到了哪里,以及版本对不对。
从python的输出结果来看:
tensorflow的版本是1.10.0,而且位置也不对,被安装到了~/.local/lib/python3.6/site-packages/...目录下,而不是类似~/anaconda3/envs/mydev/...下。
同样类似的问题也出现在了pytorch上。
突然回想起来电脑刚装完驱动和CUDA Toolkit的时候,可能用过pip安装过tensorflow,而且当时没有意识到tensorflow有CPU和GPU版本之分,就误安装了tensorflow1.10的CPU版,而pip安装的包会优先于conda虚拟环境内安装的包,所以都乱套了。
8)根据上面的发现,我们要退出当前虚拟环境,
source deactivate
然后在主环境内
pip uninstall tensorflow
pip uninstall torch
卸载掉这两个旧的包。
9)卸载之后,再
source activate mydev
进入虚拟环境,运行tensorflow的测试代码,显示
cudaGetDevice() failed. Status: CUDA driver version is insufficient for CUDA runtime version
意思是CUDA驱动版本和CUDA运行库版本不匹配,这是由于之前所说的cudatoolkit版本是9.2,版本过高造成的。
10)于是根据出错信息上网搜解决措施,发现在conda虚拟环境内,利用
conda update --all
可以使conda意识到在当前虚拟环境内,包之间的版本依赖问题,敲入上述指令后,发现conda提出的解决方案中,将cudatoolkit降级为9.0,pytorch降级为0.4.1。
于是很欣慰的敲入上述指令并运行,发现tensorflow可以发现GPU了。
11)第10步中我们降级了pytorch,所以我们要重新安装pytorch为1.0.0版:
conda install -c pytorch pytorch
12)完整操作后,我们就有了tensorflow1.12.0和pytorch1.0.0了~
三、上述的环境配置全过程整理
1)首先,如果您的电脑之前利用pip命令曾经安装过tensorflow或者pytorch,请用
pip uninstall tensorflow
pip uninstall torch
在pip中卸载掉这两个包。
2)随后按照如下步骤操作:
创建虚拟环境
conda create --name mydev
进入虚拟环境
source activate mydev
安装tensorflow和pytorch
conda install -c pytorch pytorch
conda install tensorflow-gpu
让conda再次整理包间的依赖
conda update --all
重新安装pytorch
conda install -c pytorch pytorch
3)测试安装好的两个包是否均支持GPU,测试代码已在上面给出。
四、总结
1)安装tensorflow时,一定要写tensorflow-gpu而不是tensorflow,否则安装的是tensorflow的CPU版而不是GPU版。
2)理论上来说,pip和conda命令是冲突的。pip解决的是python内包之间的依赖问题,而conda的目标是管理任何编程语言之间的包的依赖问题。所以根据喜好,以后尽量使用二者中的一个。
3)当包的状态不对时,可以利用packageName.__version__和packageName.__file__可以查看包的版本和安装位置。
- ubuntu16.04下安装TensorFlow(GPU加速)----详细图文教程
- Ubuntu 16.04安装tensorflow_cpu详细教程
- ubuntu16.04下安装TensorFlow(GPU加速)----详细图文教程
- Ubuntu14.04安装NVIDIA显卡驱动,CUDA8.0,cudnn5.1详细教程
- tensorflow学习笔记十一:ubuntu16.04下安装TensorFlow(GPU加速)----详细图文教程
- ubuntu16.04下安装TensorFlow(GPU加速)----详细图文教程
- ubuntu16.04下安装TensorFlow(GPU加速)----详细图文教程
- ubuntu16.04下安装TensorFlow(GPU加速)----详细图文教程
- ubuntu14.04安装nvidia驱动,cuda8.0,cudnn5.1和tensorflow教程
- ubuntu16.04下安装TensorFlow(GPU) 详细图文教程
- [置顶] Ubuntu14.04安装cuda8.0+cudnn5.1+Tensorflow1.0.0(GPU)教程
- Ubuntu 18.04系统NVIDIA+CUDA9.1+CUDnn7.1+TensorFlow安装
- Win7 U盘安装Ubuntu16.04 双系统详细教程
- ubuntu18.04的mxnet和tensorflowGPU深度学习环境安装-孙徳伟-专题视频课程
- windows10安装ubuntu教程+tensorflow(文字简版)
- Ubuntu18.04使用Anaconda安装Tensorflow-gpu
- Ubuntu下QT的安装详细教程
- 转载很经典的--Ubuntu14.04安装Theano详细教程
- Tensorflow Ubuntu16.04上安装及CPU运行Tensorboard、CNN、RNN图文教程
- 真正从零开始,TensorFlow详细安装入门图文教程