tensorflow安装
安装tensorflow需要有cuda和cudnn,cuda和cudnn有两种安装方法,一种是系统全局安装的,一种是在自己的conda环境里弄一份新的,这两个是可以共存的。
所以,先想好自己想用哪个cuda
方法一、使用系统全局的cuda和cudnn(一般是nvidia的驱动包带的)
注意tensorflow有严格的cuda对应关系,这里是最低的cuda版本要求。也就是安装tensorflow2.3.0最低要cuda10.1
https://tensorflow.google.cn/install/source#gpu
先查看本机安装的cuda版本,我这里是10.1
user@ubuntu:~$ ls -l /usr/local/cuda
lrwxrwxrwx 1 root root 21 Nov 11 2020 /usr/local/cuda -> /usr/local/cuda-10.1/
user@ubuntu:~$ cat /usr/local/cuda/version.txt
CUDA Version 10.1.105
nvidia-smi也可以看到一个CUDA version,但是这个是驱动最高支持的cuda版本,并不是本机安装的cuda版本
安装对应的tensorflow
pip install tensorflow==2.3.0
测试是否可用gpu
import tensorflow as tf
tf.test.is_gpu_available()
方法二、使用更高版本的cuda、cudnn和tensorflow(在conda环境里装个cuda运行时)
看看驱动支持的最高cuda版本:nvidia官网说明
使用nvidia-smi查看我的驱动是450.66,最高可以用cuda 11.0.3
cuda 11.0可以安装的tensorflow版本最高是tensorflow 2.4.0,需要cudnn 8.0
所以,先安装cudatoolkit 11.0
conda install cudatoolkit=11.0
安装cudnn 8.0
默认channel没有8.0的cudnn,但是conda-forge有
可以使用 conda search --full-name cudnn -c conda-forge 来搜索
conda install cudnn=8.0 -c conda-forge
安装tensorflow 2.4.0
这里必须使用pip安装,conda安装的只有几百KB,不知道是什么,也不能用gpu
pip install tensorflow==2.4.0
测试能否用gpu,同上一种方法。
import tensorflow as tf
tf.test.is_gpu_available()
大功告成。
keras 安装
keras和TensorFlow的兼容关系网上流传一张图
这个图只到了TensorFlow 2.2,但是我安装了TensorFlow 2.3,直接pip install keras会不兼容,经过测试,发现keras 2.4.1和TensorFlow 2.3.0兼容
斗胆怀疑keras最好和TensorFlow版本号一样或者差不多最好
测试:
from keras.layers.recurrent import SimpleRNN
看看报错不。