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. JAVA9模块化详解(二)——模块的使用

    JAVA9模块化详解(二)--模块的使用 二.模块的使用 各自的模块可以在模块工件中定义,要么就是在编译期或者运行期嵌入的环境中.为了提供可靠的配置和强健的封装性,在分块的模块系统中利用他们,必须确定 ...

  2. Git使用简单总结

    创建版本库git add加入到暂存区git commit -m" "加入到分支 时光机穿梭git satus查看仓库的当前状态git diff file 查看修改内容 版本回退HE ...

  3. Django学习(4)表单,让数据库更美好

    表单,在HTML中的标签为<form></form>,在网页中主要负责数据采集功能.我们在浏览网站时,常常会碰到注册账号.账号登录等,这就是表单的典型应用. 在Django学习 ...

  4. animate.css+wow.js页面滚动即时显示动画

    1.地址引入 <link href="css/animate.min.css" rel="stylesheet" type="text/css& ...

  5. 简述ES6其他的东西

    第一是修饰器是ES7的一个提案,现在Babel转码器已经支持.那么什么是修饰器呢,修饰器是对类的行为的改变,在代码编译时发生的,而不是在运行时发生的且修饰器只能用于类和类的方法.修饰器可以接受三个函数 ...

  6. ES6函数的拓展

    ES里面现在支持在函数的参数直接给参数赋一个默认值,ES6支持拓展运算符(...)三个英文的点,这个形式如function(...a)这个里面...a可以接受若干的值,这个拓展运算符也可以把若干的值转 ...

  7. BGP网络学习总结

    1.前言     云计算在中国发展越来越快,企业逐步开始将业务迁移到公有云中,方便运维,节省成本.公有云最复杂的地方是网络,客户对网络的需求千奇百怪,造成网络环境极其复杂,稍有不慎,就会出现网络连通性 ...

  8. bzoj 2109: [Noi2010]Plane 航空管制

    Description 世博期间,上海的航空客运量大大超过了平时,随之而来的航空管制也频频 发生.最近,小X就因为航空管制,连续两次在机场被延误超过了两小时.对此, 小X表示很不满意. 在这次来烟台的 ...

  9. cut 命令详解

    cut  作用:按列提取文件 参数: -d 指明列分隔符 -f 选择输出的区域 -c 指定字符位置 -b :以字节为单位进行分割.这些字节位置将忽略多字节字符边界,除非也指定了 -n 标志. -c : ...

  10. redis资料收集

    http://www.runoob.com/redis/redis-sets.html  redis set 使用 https://www.cnblogs.com/wanzaixiaoxin/p/49 ...