![](/img/trans.png)
[英]Tensorflow after 1.15 - No need to install tensorflow-gpu package
[英]Can I install Tensorflow 1.15 with GPU support on Ubuntu 20.04.1 LTS?
我正在使用 GeForce RTX 2060 构建深度学习平台。
我想使用与 tensorflow 2.0 不兼容的基线稳定。
根据here和here ,tensorflow-gpu-1.15仅被列为与CUDA 10.0兼容,而不是与CUDA 10.1兼容。
尝试从 Nvidia 下载 CUDA, Ubuntu 20.04 的选项不适用于 CUDA 10.0。
搜索 apt-cache 也不会导致 CUDA 10.0。
$ sudo apt-cache policy nvidia-cuda-toolkit
[sudo] password for lansford:
nvidia-cuda-toolkit:
Installed: (none)
Candidate: 10.1.243-3
Version table:
10.1.243-3 500
500 http://us.archive.ubuntu.com/ubuntu focal/multiverse amd64 Packages
我非常希望不必使用旧版本的 Ubuntu 重新安装操作系统。 然而,尝试强化学习是购买这台 PC 的动机。
我看到了一些可能的线索,表明可以从支持 cuda 10.1 的源代码构建 tensorflow-gpu-1.15。 我还看到一条随机评论说 tensorflow-gpu-1.15 将只与 tf 1.15 一起工作,但我不想错过安装东西,直到我有一个指向 go 的信号。 卸载东西并不总是那么简单。
鉴于这种情况,有没有办法在 Ubuntu 20.04.1 上运行 gpu 支持的 tensorflow 1.15?
由于这也困扰着我,我找到了一个我认为比使用 docker 容器更通用的工作解决方案。
主要思想来自这里(不要向他人索取功劳)。
要为 Ubuntu 20.04 和 TensorFlow 1.15 制定工作解决方案,需要:
我选择 runfile 作为方法,导致 1 个主运行文件和 1 个补丁运行文件可用:
cuda_10.0.130_410.48_linux.run
cuda_10.0.130.1_linux.run
该工具包可以使用提供的说明安全地安装,没有风险,因为每个版本在系统中分配不同的文件夹(通常是/usr/local/cuda-10.0/
)。
cudnn-10.0-linux-x64-v7.6.5.32.tgz
。 $ sudo cp cuda/include/cudnn.h /usr/local/cuda-10.0/include
$ sudo cp cuda/lib64/libcudnn* /usr/local/cuda-10.0/lib64
$ sudo chmod a+r /usr/local/cuda-10.0/include/cudnn.h /usr/local/cuda-10.0/lib64/libcudnn*
/etc/profile.d/cuda.sh
,它将包含对LD_LIBRARY_PATH
变量的更新。 它应该包含以下内容: export LD_LIBRARY_PATH=/usr/local/cuda/lib64:/usr/local/cuda-11.3/lib64:/usr/local/cuda-10.0/lib64:$LD_LIBRARY_PATH
这个命令通常会完成这项工作:
$ sudo sh -c ‘echo export LD_LIBRARY_PATH=/usr/local/cuda/lib64:/usr/local/cuda-11.3/lib64:/usr/local/cuda-10.0/lib64:\$LD_LIBRARY_PATH > /etc/profile.d/cuda.sh’
我认为这需要重新启动才能进行评估。 无论如何,这样系统将在以下位置搜索相关的so文件:
a) /usr/local/cuda/lib64
(默认符号链接),它将失败
b)与后者几乎相同/usr/local/cuda-11.3/lib64
并且也失败但它也会搜索
c) /usr/local/cuda-10.0/lib64
这将是成功的。
sudo add-apt-repository ppa:deadsnakes/ppa
sudo apt-get install python3.7
这只是将 python3.7 安装到系统中,并没有使其成为默认值。 默认是前一个。
virtualenv -p python3.7 ~/tensorflow_1-15
它创建了一个新的venv
,其中包含 Python 3.7。
现在填充所有必需的模块,并将您设置为 go。
我继续使用docker 方法。 无论如何,Tensorflow 文档似乎都在朝着这个方向发展。 使用 docker 只需安装 Nvidia 驱动程序。 您确实需要在 docker 中安装nvidia 支持才能正常工作。
这是启动 jupyter 并将当前目录从我的计算机安装到显示在 jupyter 中的/tf/bob
的命令。
docker run -it --mount type=bind,source="$(pwd)",target=/tf/bob -u $(id -u):$(id -g) -p 8888:8888 tensorflow/tensorflow:1.15.2-gpu-py3-jupyter
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.