linux 安装tensorflow(gpu版本)

一、安装cuda

具体安装过程见我的另一篇博客,ubuntu16.04下安装配置深度学习环境

二、安装tensorflow

1.具体安装过程官网其实写的比较详细,总结一下的话可以分为两种:安装release版本和源码编译安装。因为源码编译安装比较繁琐,且需要安装谷歌自己的编译器bazel,所以我选择安装编译好的。

2.我写这篇博客的时候tensorflow更新到了1.4.0,安装编译好的一定看版本,因为每个版本依赖的底层库是不一样的。

1.4.0版本安装之前需要安装CUDA-8,cuDNN v6.0.,ibcupti-dev library

注意以上软件的版本,cuda一定要是8,cudnn得是6.0(我之前装的是1.2.0,则cudnn是v5.1就行,所以这个版本很重要,如果你的cudnn版本过低的话会报错:ImportError: libcudnn.so.6: cannot open shared object file: No such file or directory)

安装bcupti-dev library可执行

sudo apt-get install libcupti-dev

3.以上环境准备好后,安装是很简单的

如果你用的是anaconda,安装步骤如下:

conda create -n tensorflow python=2.7 # or python=3.3, etc.
source activate tensorflow
pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.4.0-cp35-cp35m-linux_x86_64.whl

如果是python直接安装的话:首先需要pip,如果没有的话可以使用下面的命令安装
sudo apt-get install python-pip python-dev   # for Python 2.7
sudo apt-get install python3-pip python3-dev # for Python 3.n

下面使用pip安装tensorflow

$ pip install tensorflow # Python 2.7; CPU support (no GPU support)

$ pip3 install tensorflow # Python 3.n; CPU support (no GPU support)

$ pip install tensorflow-gpu # Python 2.7; GPU support

$ pip3 install tensorflow-gpu # Python 3.n; GPU support

不加版本的话默认是最新版本,如果想下特定的版本可在tensorflow后面加上版本号,例如第一个可以写成pip install tensorflow-1.1.0

三、测试tensorflow是否安装成功

经过一二两个步骤,应该是安装成功了,可写个tensorflow的小程序测试一下

# Python
import tensorflow as tf
hello = tf.constant(‘Hello, TensorFlow!‘)
sess = tf.Session()
print(sess.run(hello))
时间: 2024-10-10 20:03:22

linux 安装tensorflow(gpu版本)的相关文章

备忘 ubuntu 18.04 下安装 tensorflow GPU 版本

转自:https://www.cnblogs.com/hutao722/p/9342577.html tensorflow目前已经升级至r1.9版本.在之前的深度学习中,我是在MAC的虚拟机上跑CPU版本的tensorflow程序,当数据量变大后,tensorflow跑的非常慢,在内存不足情况下,又容易造成系统崩溃(虚拟机走的是windows7). 配置信息 为了后续的深度学习,不得已,我在京东买了一部组装厂商提供的主机,是网吧特供机.配置如下: CPU i5 8400 6核 16G内存 GPU

【转】Ubuntu 16.04安装配置TensorFlow GPU版本

之前摸爬滚打总是各种坑,今天参考这篇文章终于解决了,甚是鸡冻\(≧▽≦)/,电脑不知道怎么的,安装不了16.04,就安装15.10再升级到16.04 requirements: Ubuntu 16.04 python 2.7 Flask tensorflow GPU 版本 安装nvidia driver 经过不断踩坑的安装,终于google到了靠谱的方法,首先检查你的NVIDIA VGA card model sudo lshw -numeric -C display 可以看到你的显卡信息,比如

centos7下安装部署tensorflow GPU 版本

系统环境:centos7 1. 安装 Python 2.7 # yum -y install zlib-devel bzip2-devel openssl-devel ncurses-devel sqlite-devel readline-devel tk-devel gcc gcc-c++ make # download and extract Python 2.7 su hdfs cd  ~/Downloads curl -O https://www.python.org/ftp/pytho

anaconda+pytorch安装(无GPU版本)

anaconda+pytorch安装(无GPU版本) 待办 https://blog.csdn.net/nnUyi/article/details/78471326 原文地址:https://www.cnblogs.com/lishikai/p/12345395.html

Ubuntu 16.04下安装Tensorflow(GPU)

参考:http://blog.sina.com.cn/s/blog_672f698e0102wavp.html 1.首先安装nvidia显卡驱动: 系统设置->软件更新->附加驱动->选择nvidia最新驱动(361)->应用更改 ?2.下载CUDA8.0 地址https://developer.nvidia.com/cuda-release-candidate-download(需要登陆) 3.安装cuda sudo dpkg -i cuda-repo-ubuntu1604-8-

Win10(64位)下安装Tensorflow GPU

<Python 3.6 + Tensorflow GPU 1.4.0 + CUDA 8.0 + cuDNN 6.0> 没有Pycharm的先安装Pycharm. 1.Python下载地址:https://www.python.org/downloads/release/python-364/ 拉到最底下,选择Windows x86-64 executable installer下载. 注意把Add Python 3.6 to PATH勾选上,再选择Install Now. 2.Tensorfl

centos7 源码编译安装TensorFlow CPU 版本

一.前言 我们都知道,普通使用pip安装的TensorFlow是万金油版本,当你运行的时候,会提示你不是当前电脑中最优的版本,特别是CPU版本,没有使用指令集优化会让TensorFlow用起来更慢. 但是在编译之中,发现很多坑,由此记录一下. 环境相关: 系统:centos7 python版本:2.7.5 二.准备 1. 安装相关依赖 # 一般会缺失的依赖 yum -y install java-1.8.0-openjdk-devel automake autoconf libtool libi

windows10安装tensorflow CPU版本

1.先安装python3.6版本 a.安装完成后在cmd中输入python,如果出现python命令行模式,则说明python安装成功. 2.在cmd中输入pip3 install --upgrade tensorflow ,直至安装完成. 3.在python命令行中输入import tensorflow,如果不出现任何提示,则说明安装成功:也可以使用下面代码进行测试. import tensorflow as tf from tensorflow.examples.tutorials.mnis

ubuntu 18 安装xgboost GPU版本

综合上述两个帖子: https://www.cnblogs.com/huadongw/p/6161145.html https://blog.csdn.net/u011587516/article/details/78995186 先把之前安装的xgboost都卸载干净: pip uninstall xgboost 确保电脑里安装了cuda. 然后按照下面的步骤来安装GPU版本的xgboost: $git clone --recursive https://github.com/dmlc/xgb