一步步教你Ubuntu安装Pytorch和Tensorflow（
Ubuntu下安装Pytorch和Tensorflow
未来会让人心生畏惧，但是我们却不能因为习惯了过去，就逃回过去。
The future is scary but you can't just run to the past cause it's familiar.
image
今天，给大家分享的是，如何在Ubuntu系统下搭建Pytorch和Tensorflow框架。
前情提要：
这两种框架的搭建，均基于Anaconda进行搭建。还未安装Anaconda的朋友们可参考Ubuntu系统里这样安装Anaconda，彻底解决切换用户带来的“找不到命令”问题！（全网最详细），先在系统中安装Anaconda软件。
一、Pytorch的搭建
(1)创建虚拟环境
首先利用Anaconda创建一个名称带有pytorch的虚拟环境
conda create -n pytorch
image
输入y确认
image
进入创建好的pytorch虚拟环境
source activate pytorch
image
(2)安装Pytorch
在浏览器中进入pytorch官网
https://pytorch.org/
image
点击install，进入安装网址
image
根据自身系统类型（Linux或Windows）及CUDA情况(版本号)进行选择，还可以选择安装方式（conda或pip安装），在这里推荐大家使用pip安装。
image
在创建好的虚拟环境中，执行官方给出的安装命令
pip3 install torch==1.8.1+cu111 torchvision==0.9.1+cu111 torchaudio==0.8.1 -f https://download.pytorch.org/whl/torch_stable.html
image
可以看到，使用官方命令安装十分缓慢！！！根本没啥进展，这是因为pytorch服务器在国外的缘故。
image
果断使用“Ctrl+c”打断安装进程，使用豆瓣源进行加速！
image
在官方命令后面缀上豆瓣源网址
pip3 install torch==1.8.1+cu111 torchvision==0.9.1+cu111 torchaudio==0.8.1 -f https://download.pytorch.org/whl/torch_stable.html -i https://pypi.douban.com/simple
image
发现还是要等。。。。
image
这是因为还是要从官网下
image
于是，我们改变策略 。记录好需要安装的包，直接用pip从豆瓣源下载。根据官方命令，我们需要安装的是torch==1.8.1版本，torchvision==0.9.1版本，torchaudio==0.8.1版本。
安装torch==1.8.1
pip install torch==1.8.1 -i https://pypi.doubanio.com/simple --trusted-host pypi.doubanio.com
image
可以看到，这次直接从豆瓣下载，明显快了不少！
image
image
安装torchvision==0.9.1
pip install torchvision==0.9.1 -i https://pypi.douban.com/simple --trusted-host pypi.douban.com
image
非常快就安装好了！
image
安装torchaudio==0.8.1
pip install torchaudio==0.8.1 -i https://pypi.douban.com/simple --trusted-host pypi.douban.com
image
(3)测试Pytorch
执行命令，检查pytorch是否可以调用gpu
#!/usr/bin/env python# -*- coding:utf-8 -*- __author__ = 'IT小叮当'__time__ = '2020-05-24 11:08'import torchprint(torch.__version__)print(torch.cuda.is_available())print(torch.cuda.get_device_name(0))print(torch.rand(2,2).cuda())
当执行“torch.cuda.is_available()”显示为True时，即可正常调用GPU
image
二、Tensorflow的搭建
(1)创建虚拟环境
首先利用Anaconda创建一个名称带有tensorflow的虚拟环境
conda create -n tf2.5
image
进入创建好的虚拟环境
source activate tf2.5
image
(2)安装tensorflow
在创建好的虚拟环境中安装tensorflow的gpu版本
pip install tensorflow-gpu==2.5.0 -i https://pypi.douban.com/simple --trusted-host pypi.douban.com
image
大概15分钟就可以安装好了！
image
（3）测试tensorflow
安装完tensorflow后，我们执行命令来进行测试
进入创建好的测试代码文件夹lab
cd ~/lab
新建测试文件"tf_test.py"
gedit tf_test.py
image
代码如下
#!/usr/bin/env python
# -*- coding:utf-8 -*-
__author__ = 'IT小叮当'
__time__ = '2021-05-24 17:00'
import tensorflow as tf
import time
#查看是否有GPU
print('***********查看是否有GPU********************')
gpu_device_name = tf.test.gpu_device_name()
print('*********************************')
print(gpu_device_name)
print('*********************************')
time.sleep(3)
print('\n')
#查看GPU是否可用
print("@@@@@@@@@@@@@查看GPU是否可用@@@@@@@@@@@@@@")
print('@@@@@@@@@@@@@@@@@@@@@@@@@@')
print(tf.config.list_physical_devices('GPU'))
print('@@@@@@@@@@@@@@@@@@@@@@@@@@')
time.sleep(3)
print('\n')
print('#############开始进行多GPU计算测试#################')
#多GPU计算测试
# 创建计算图
c = []
for d in ['/device:GPU:0', '/device:GPU:1']:
with tf.device(d):
a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3])
b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2])
c.append(tf.matmul(a, b))
with tf.device('/cpu:0'):
sum = tf.add_n(c)
print(sum)
image
运行测试文件
python tf_test.py
image
image
image
image
对此，你有什么看法呢？如果你在操作过程中遇到了什么问题，或有什么想法和建议，在留言区留下你的足迹吧，与大家一起交流，一起进步~
