说明

安装环境

  • ubuntu16.04+conda

安装方式

  • 如果使用pip安装(安装到主机),那么请确定你的cuda、cudnn版本号和需要的是一致的,如果发现不一致而且又不能更改,那么请使用docker方式进行安装。
  • 如果熟悉docker的使用,强烈建议使用docker安装,不然后面的更新之类的需要重新安装CUDA之类的依赖库,非常麻烦,使用docker的话CUDA是隔离的。
  • 如果要做强化学习,那么得考虑docker的可视化问题,这个有点麻烦!

使用pip安装

前期准备

请确保Nvidia驱动、cuda、cudnn已经安装,现在[24/12/2018]最新版本tensorflow的cuda版本号要求是9了。

pip官网最新版安装

  1. conda创建环境
  2. conda激活环境
  3. pip安装tensorflow
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    # Current release for CPU-only
    pip install tensorflow

    # Nightly build for CPU-only (unstable)
    pip install tf-nightly

    # GPU package for CUDA-enabled GPU cards
    pip install tensorflow-gpu

    # Nightly build with GPU support (unstable)
    pip install tf-nightly-gpu

gpu版本一般选择tensorflow-gpu。

安装cuda对应的历史版本

因为我们的计算机安装的cuda不一定是现阶段tensorflow需要的版本,所以我们可能需要安装历史版本,请查看相应的版本对应表
1.5.0及之后到现在1.20都是需要cuda9了。找到版本号后在后面在2.2对应命令后加上“==version”即可,比如安装tensorflow-gpu的1.4.0版本:

1
pip install tensorflow-gpu==1.4.0

卸载/升级

  1. 卸载tensorflow

    1
    pip uninstall tensorflow/tensorflow-gpu
  2. 升级tensorflow
    先卸载,然后再安装即可

问题

如果pip安装后发现自己的cuda版本号不对:

1
ImportError: libcublas.so.9.0: cannot open shared object file: No such file or directory

那么可以尝试使用docker安装

使用docker安装

安装之前请确定Nvidia驱动已经安装,cuda不是必须的!

安装docker

请先确保docker安装成功!

安装nvidia-docker

安装nvidia-docker

安装tensorflow

安装GPU版本(python2):

1
docker pull tensorflow/tensorflow:latest-gpu

安装完成后进入bash(会创建container):

1
docker run --runtime=nvidia -it tensorflow/tensorflow:latest-gpu bash

记得使用-v参数共享本地目录
上面的tensorflow是python2.7对应版本的,没有python3的,用下面的命令安装python3版本的docker:

1
docker pull tensorflow/tensorflow:latest-gpu-py3

问题

  1. 安装好后可能发现在docker里面无法链接互联网,重新启动计算机即可。