前言:

对于深度学习来说,各种框架torch,caffe,keras,mxnet,tensorflow,pandapanda环境要求各一,如果我们在一台服务器上部署了较多的这样的框架,那么各种莫名的冲突

会一直伴随着你,吃过很多次亏之后,慢慢的接触了Anaconda,真的是很爽的一个功能,来管理环境配置。我们进行tensorflow安装的时候,还是使用Anaconda,鉴于国内墙太高

,我们使用了Tsinghua的镜像文件,清华大学的Anaconda介绍地址见:https://mirror.tuna.tsinghua.edu.cn/help/anaconda/

这里记录下linux的安装方式:

 所使用的系统: ubuntu16.

  安装步骤
: 先登录到这个页面:https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
   . 下载: wget -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda2-2.4.1-Linux-x86_64.sh
. 运行: bash Anaconda2-.i.-Linux-x86_64.sh [中间会有几个询问,全部设置yes或者y]
  . 设置镜像仓库:
     TUNA 还提供了 Anaconda 仓库的镜像,运行以下命令:
       conda config
--add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
       conda config --set show_channel_urls yes
     即可添加 Anaconda Python 免费仓库。
     运行 conda install numpy 测试一下吧。
. 安装tensorflow:
5.1 查询conda下的tensorflow可以利用的镜像:
      anaconda search -t conda tensorflow

  大概会出现这些信息:

gxjun@gxjun:~$ anaconda search -t conda tensorflow
Using Anaconda API: https://api.anaconda.org
Run 'anaconda show <USER/PACKAGE>' to get more details:
Packages:
Name | Version | Package Types | Platforms
------------------------- | ------ | --------------- | ---------------
HCC/tensorflow | 1.0. | conda | linux-
HCC/tensorflow-cpucompat | 1.0. | conda | linux-
HCC/tensorflow-fma | 1.0. | conda | linux-
SentientPrime/tensorflow | 0.6. | conda | osx-
: TensorFlow helps the tensors flow
acellera/tensorflow-cuda | 0.12. | conda | linux-
anaconda/tensorflow | 1.1. | conda | linux-ppc64le, linux-, osx-, win-
anaconda/tensorflow-gpu | 1.1. | conda | linux-ppc64le, linux-, win-
conda-forge/r-tensorflow | 0.7 | conda | linux-, osx-, win-
conda-forge/tensorflow | 1.2. | conda | linux-, win-, osx-
: TensorFlow helps the tensors flow
creditx/tensorflow | 0.9. | conda | linux-
: TensorFlow helps the tensors flow
derickl/tensorflow | 1.1. | conda | osx-
dhirschfeld/tensorflow | 1.2. | conda | win-
: Computation using data flow graphs for scalable machine learning
dseuss/tensorflow | | conda | osx-
guyanhua/tensorflow | 1.0. | conda | linux-
ijstokes/tensorflow | 2017.03.03.1349 | conda, ipynb | linux-
jjh_cio_testing/tensorflow | 1.2. | conda | linux-
: TensorFlow is a machine learning library
jjh_cio_testing/tensorflow-gpu | 1.2. | conda | linux-
: TensorFlow is a machine learning library
jjh_ppc64le/tensorflow | 1.2. | conda | linux-ppc64le
: TensorFlow is a machine learning library
jjh_ppc64le/tensorflow-gpu | 1.2. | conda | linux-ppc64le
: TensorFlow is a machine learning library
jjhelmus/tensorflow | 0.12.0rc0 | conda, pypi | linux-, osx-
: TensorFlow helps the tensors flow
jjhelmus/tensorflow-gpu | 1.0. | conda | linux-
kevin-keraudren/tensorflow | 0.9. | conda | linux-
lcls-rhel7/tensorflow | 1.1. | conda | linux-
marta-sd/tensorflow | 1.2. | conda | linux-
marta-sd/tensorflow-gpu | 1.2. | conda | linux-
memex/tensorflow | 0.5. | conda | linux-, osx-
: TensorFlow helps the tensors flow
mhworth/tensorflow | 0.7. | conda | osx-
: TensorFlow helps the tensors flow
miovision/tensorflow | 0.10..gpu | conda | linux-, osx-
msarahan/tensorflow | 1.0.0rc2 | conda | linux-
mutirri/tensorflow | 0.10.0rc0 | conda | linux-
mwojcikowski/tensorflow | 1.0. | conda | linux-
nehaljwani/tensorflow | 1.1. | conda | win-, osx-
: TensorFlow is a machine learning library
nehaljwani/tensorflow-gpu | 1.1. | conda | win-
: TensorFlow is a machine learning library
rdonnelly/tensorflow | 0.9. | conda | linux-
rdonnellyr/r-tensorflow | 0.4. | conda | osx-
test_org_002/tensorflow | 0.10.0rc0 | conda |
Found packages

我们选择其中的一个进行安装之前,先查询这个分支的URL路径:

gxjun@gxjun:~$ anaconda show  nehaljwani/tensorflow-gpu
Using Anaconda API: https://api.anaconda.org
Name: tensorflow-gpu
Summary: TensorFlow is a machine learning library
Access: public
Package Types: conda
Versions:
+ 1.1. To install this package with conda run:
conda install --channel https://conda.anaconda.org/nehaljwani tensorflow-gpu

5.2 安装

     conda install --channel https://conda.anaconda.org/nehaljwani tensorflow-gpu

5.3 检测是否安装成功:

   在控制端输入:  
       python -> 进入python编辑环境
       import tensorflow as tf

  如果没有报错,则说明幸运的安装成功了~

  对于失败的情况,我这里给出最容易出现的:

>>> import tensorflow as tf
Traceback (most recent call last):
File "<stdin>", line , in <module>
File "/home/gxjun/anaconda2/lib/python2.7/site-packages/tensorflow/__init__.py", line , in <module>
from tensorflow.python import *
File "/home/gxjun/anaconda2/lib/python2.7/site-packages/tensorflow/python/__init__.py", line , in <module>
from tensorflow.python import pywrap_tensorflow
File "/home/gxjun/anaconda2/lib/python2.7/site-packages/tensorflow/python/pywrap_tensorflow.py", line , in <module>
raise ImportError(msg)
ImportError: Traceback (most recent call last):
File "/home/gxjun/anaconda2/lib/python2.7/site-packages/tensorflow/python/pywrap_tensorflow.py", line , in <module>
from tensorflow.python.pywrap_tensorflow_internal import *
File "/home/gxjun/anaconda2/lib/python2.7/site-packages/tensorflow/python/pywrap_tensorflow_internal.py", line , in <module>
_pywrap_tensorflow_internal = swig_import_helper()
File "/home/gxjun/anaconda2/lib/python2.7/site-packages/tensorflow/python/pywrap_tensorflow_internal.py", line , in swig_import_helper
_mod = imp.load_module('_pywrap_tensorflow_internal', fp, pathname, description)
ImportError: libcusolver.so.7.5: cannot open shared object file: No such file or directory

这种问题,是说我们没有找到这个动态库,或者干脆就没有这个动态库.

   解决方法:

      先问是不是: 输入这条命令查查看有没有: locate libcusolver.so      

gxjun@gxjun:~$ locate   libcusolver.so
/usr/lib/x86_64-linux-gnu/libcusolver.so
/usr/lib/x86_64-linux-gnu/libcusolver.so.8.0
/usr/lib/x86_64-linux-gnu/libcusolver.so.8.0.
/usr/lib/x86_64-linux-gnu/stubs/libcusolver.so
/usr/local/cuda-8.0/doc/man/man7/libcusolver.so.
/usr/local/cuda-8.0/targets/x86_64-linux/lib/libcusolver.so
/usr/local/cuda-8.0/targets/x86_64-linux/lib/libcusolver.so.8.0
/usr/local/cuda-8.0/targets/x86_64-linux/lib/libcusolver.so.8.0.
/usr/local/cuda-8.0/targets/x86_64-linux/lib/stubs/libcusolver.so
/usr/share/man/man7/libcusolver.so..gz

我们发现我们只有libcusolver.so.8.0,并没有我们要找的libcusolver.so.7.5,看了一下官方的文档:

  给出的建议是: 可以使用.8.0来替代.7.5,我们命名一个.8.0的软连接为.7.5

我们先到/usr/lib/cuda/lib64 下:

ln -s libcusolver.so.8.0  libcusolver.so.7.5

然后在.bashrc系统环境下配置一下这个路径:

export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/lib/cuda/lib64"
export CUDA_HOME=/usr/local/cuda

然后在测试:

    

gxjun@gxjun:~$ python
Python 2.7. |Anaconda 4.2. (-bit)| (default, Jul , ::)
[GCC 4.4. (Red Hat 4.4.-)] on linux2
Type "help", "copyright", "credits" or "license" for more information.
Anaconda is brought to you by Continuum Analytics.
Please check out: http://continuum.io/thanks and https://anaconda.org
>>> import tensorflow as tf
>>>

正常了,说明已经完全安装好了~

参考:

    https://mirror.tuna.tsinghua.edu.cn/help/anaconda/

    http://www.jianshu.com/p/7be2498785b1

https://stackoverflow.com/questions/42013316/after-building-tensorflow-from-source-seeing-libcudart-so-and-libcudnn-errors

https://github.com/tensorflow/tensorflow/issues/1501

使用Anaconda搭建TensorFlow-GPU环境的更多相关文章

  1. windows 10 环境下 使用Anaconda搭建 TensorFlow 环境

    ##大致步骤 1 安装Anaconda 2 在Anaconda中建立虚拟TensorFlow的虚拟环境 建立虚拟环境的命令是 conda  create -n tensorflow python=3. ...

  2. 利用Anaconda搭建TensorFlow环境并在Jupyter Notebook使用

    打开Anaconda Prompt 创建一个tensorflow 虚拟环境:conda create -n tensorflow python=3.6 激活tensorflow虚拟环境activate ...

  3. 手把手教你在win10下搭建pytorch GPU环境(Anaconda+Pycharm)

    Anaconda指的是一个开源的Python发行版本,其主要优点如下: Anaconda默认安装了常见的科学计算包,用它搭建起Python环境后不用再费时费力安装这些包: Anaconda可以创建互相 ...

  4. Anaconda 安装tensorflow(GPU)

    1.安装 如果是安装CPU模式的tensorflow,只要输入一下代码就可以了 pip3 install tensorflow #python3pip install tensorflow #pyth ...

  5. Win7系统中用anaconda配置tensorflow运行环境

    前言:anaconda是一个python Data Science Platform.安装它的契机是因为要用tensorflow. 安装完后感觉用它来管理python运行环境还是挺方便的,常用的con ...

  6. windows下搭建tensorflow的环境

    这年头,不会点人工智能和神经网络,都不好意思跟人打招呼了.之前搞了一下sklearn,今天觉得应该要了解一下google这个传说中的人工智能开源神器. 最近终于有时间了,凡事从hello world开 ...

  7. 重拾Python(1):使用Anaconda搭建Python开发环境(Windows7)

    1.为什么选择Anaconda? Anaconda解决了Python使用痛点. Python好用但是令人头疼的就是库管理与Python不同版本的问题,特别是Windows环境下. 2.什么是Anaco ...

  8. 又见Python<1>:使用Anaconda搭建Python开发环境(Windows7)

    1.为什么选择Anaconda? Anaconda解决了Python使用痛点. Python好用但是令人头疼的就是库管理与Python不同版本的问题,特别是Windows环境下. 2.什么是Anaco ...

  9. 【Python】狂蟒来袭 | 使用Anaconda搭建Python开发环境

    这段时间转了一个小圈圈,发现又回来了,瞎忙.想要学习数据挖掘的小伙伴一定得对机器学习有所了解吧,我之前看过几页周志华老师的西瓜书,但终没能坚持下来. 人生处处是起点,什么时候都不晚.记此笔记以分享与督 ...

  10. 使用Docker快速搭建Tensorflow开发环境

    当我刚开始学习使用scikit-learn时,总是会出现各种各样的包依赖问题,兜兜转转了一遍才全部安装好,现在的机器学习算法开发者大都使用tensorflow.pytorch来实现自己的想法,但依然会 ...

随机推荐

  1. 关于scrapy的piplines

    1.进入setting中把ITEM_piplines文件注销去掉 2.在piplines中写好代码 # -*- coding: utf- -*- # Define your item pipeline ...

  2. androidstudio连接SCM Manager上的Git库

    1.在SCM Manager里创建一个Git库 在androidstudio里选中从版本控制里导入 输入git库的地址,接下来一路点击下一步 完成之后会可以在工程里创建文件或者从别的地方把完整项目拷贝 ...

  3. 八.利用springAMQP实现异步消息队列的日志管理

    经过前段时间的学习和铺垫,已经对spring amqp有了大概的了解.俗话说学以致用,今天就利用springAMQP来完成一个日志管理模块.大概的需求是这样的:系统中有很多地方需要记录操作日志,比如登 ...

  4. PHP是干什么用?

    掌握PHP就是使用电脑制定规则.框架tp3.2/5.2 在结构化编程中,程序围绕着要解决的任务来设计. 面向对象编程中,程序围绕着问题域中的对象来设计. 面对对象的识别事物的方式: ●类比----&g ...

  5. 智能合约语言 Solidity 教程系列5 - 数组介绍

    写在前面 Solidity 是以太坊智能合约编程语言,阅读本文前,你应该对以太坊.智能合约有所了解, 如果你还不了解,建议你先看以太坊是什么 本文前半部分是参考Solidity官方文档(当前最新版本: ...

  6. iOS自定义文字高度添加行间距

    p.p1 { margin: 0.0px 0.0px 0.0px 0.0px; font: 11.0px Menlo; color: #000000 } span.s1 { } span.s2 { c ...

  7. arcgis api for js入门开发系列十六迁徙流动图

    最近公司有个arcgis api for js的项目,需要用到百度echarts迁徙图效果,而百度那个效果实现是结合百度地图的,怎么才能跟arcgis api结合呢,网上搜索,终于在github找到了 ...

  8. Java解析word,获取文档中图片位置

    前言(背景介绍): Apache POI是Apache基金会下一个开源的项目,用来处理office系列的文档,能够创建和解析word.excel.ppt格式的文档. 其中对word文档的处理有两个技术 ...

  9. 【读书笔记】《Effective Java》——目录

    第二章——创建和销毁对象 第1条:考虑用静态工厂方法替代构造器 第2条:遇到多个构造器参数时要考虑用构建器 第3条:用私有构造器或者枚举类型强化Singleton属性 第4条:通过私有构造器强化不可实 ...

  10. go 1.9 Beta 1

    语言变化:增加了类型别名 To find out what has changed in Go 1.9, read the draft release notes: https://tip.golan ...