python3搭建tensorflow的gpu版虚拟环境
2019-07-15 本文已影响0人
horse_tf
背景:
本机以安装完成英伟达1080的驱动,更新到410以上版本,同时安装上gpu加速工具CUDA10。本机操作系统为ubuntu18,装有python3(3.8.6)。
第一步:安装虚拟环境库
打开终端,输入:
pip install virtualenv

第二步:创建虚拟环境
创建python3虚拟环境,终端输入:
python3 -m venv tutorial-env

激活虚拟环境:
source tutorial-env/bin/activate

该行的前缀变化了!
退出虚拟环境:
deactivate

前缀消失
第三步:在虚拟环境中搭建gpu版tensorflow
激活虚拟环境:
source tutorial-env/bin/activate
终端输入:
pip install tensorflow-gpu

PS:提示权限问题,使用root命令:
sudo pip install tensorflow-gpu
由于tensorflow是外网,速度很慢,可以下将终端中提示网址的安装包下载好,放在当前目录下直接安装,

在终端输入安装名字(tap可以补全):
pip install tensorflow_gpu-1.14.0-cp36-cp36m-manylinux1_x86_64.whl

第四步:测试虚拟环境
终端输入:
source tutorial-env/bin/activate
进入虚拟环境
输入:python
进入python环境

输入>>>import tensorflow as tf
导入tensorflow库

没有报错,tensorflow安装好了,再继续测试gpu,设置一个常量
输入>>>
a = tf.constant(1)
打开tensorflow的对话,输入>>>sess = tf.Sesion()

打印出很多,会出现gpu型号和相关信息
用常量测试一下这个对话>>>sess.run(a)

打印出常量a的值即整个环境搭建好了。
第五步:复用
在下次需要搭建相同环境时,可以用pip将相关的库一次导入。
输入:pip freeze list

可以看到安装的所有的库
输入:pip freeze list > requirements.txt

将开发环境使用的包,导出txt文件中,下次用的时候可以直接安装txt文件中的库。
输入:pip install -r requirements.txt

调用txt文件,直接安装其中的各个库。
PS:请注意路径问题,
ls
一下,看看相关文件是不是在当前目录下。