安装tensorflow报错,激活TensorFlow

　　1.Anaconda下载安装

　　Anaconda是一个开源的Python发行版，它是一个软件包管理器和一个虚拟环境管理器。

　　访问官网下载相应版本，切换到下载文件所在的目录，然后执行以下命令：

　　Sudbash * * *。sh(下载文件)conda - verison检测安装是否成功。如果显示找不到conda命令，请运行以下命令：vim ~/。bashrc后添加export PATH=/home/xxddp/anaconda 3/coquetry cloud:$ PATH 结尾退出，返回source ~/。bashrc # Run NotWriteTableError:CurrentUserdoesnothaveWritePermissionStoreRedPath。(锁定到anaconda 3文件夹)# Run: sudochwn

　　Conda - version(显示Conda版本)conda create -n虚拟环境名称python=3.6)创建虚拟环境；Conda激活虚拟环境名称)激活虚拟环境)conda停用虚拟环境名称-全部删除虚拟环境conda列表列出了当前环境中安装的软件包。YAML将虚拟环境导出为YAML配置文件mlcondacreate-n虚拟环境名称-克隆克隆环境名称2.安装TensorFlow

　　2.1安装和测试

　　# conda - version(显示conda版本)Python-Version(pipintalltensorflow==1 . 13 . 1)CPU版本)版本ImportTensorFlowasTFVersion=tf。_ _ version _ _ print(version)pipintallTensorFlow-GPU==1 . 13 . 1)GPU 359 pypi.tuna.Tsinghua.edu.cn/simple/常用国产镜子来源：http://镜子。一个liyun.https://pypi.mirrors.ustc.edu.cn/simimi

　　图形：深度学习需要大量计算，GPU是支持并行计算，提高计算效率的驱动。没有图形驱动，就无法识别GPU硬件或调用其计算资源cuda。Cudatoolkit是NVIDIA推出的针对独特GPU的并行计算框架。CUDNN: CUDADEEPNEURAL网络库(CUDADEEPNEURAL Network Library)是NVIDIA为深度神经网络构建的GPU加速库，安装框架后只能进行复杂的并行计算。2.3TensorFlow版本支持python、cuDNN和CUDA。

　　张量流-2.4。03.6-3.88.011.0张量流-2.3。03.5-3.87.610.1张量流-2.2。03.5-3.87

　　3.1检查当前的CUDA版本

　　CUDA和cuDNN的版本是：method 1 . nvcc-V method 2 . CD/usr/local/CUDA(切换到此路径)ls(查看此路径包含的文件)cat version.txt (cuda) cuDNN。

　　Uname -a(显示计算机和操作系统信息(cat /proc/version)显示运行内核版本信息(cat /etc/issue)显示版本信息)lspcigrep - grep nouveau(检查nouveau是否被禁用，如果没有输出，则将其禁用，并正确安装NVIDIA驱动程序以确保没有输出)3.3NVIDIA驱动程序下载和安装

　　去英伟达官网下载已安装显卡的驱动版本和驱动文件。

　　为了。运行文件，使用以下命令安装它：

　　#安装前禁用nouveau，是Ubuntu默认使用的开源驱动sudovim/etc/modprobe . d/black list . conf #。添加黑名单Nouveau options Nouveau Modeset=0 #更新sudo update-initramfs -ureboot#检查禁用是否成功lsmod grep nouveau#无输出表示禁用成功#安装桌面管理环境sudo apt-get install lightdm或Sudo apt-get install GDM3(默认情况下Ubuntu使用GDM 3)#如果需要卸载原驱动安装新驱动， 可执行以下指令：#关闭图形处理界面sudo服务gdm3 stop或sudo服务lightdm stop#根据个人情况选择停止图像界面，从而进入命令行模式#Ctrl Alt F1进入命令行模式，卸载原驱动sudo apt-get-purge remove nvidi a* #-purge表示同时卸载安装包和配置文件#卸载后执行：重启后会默认进入图形界面。 如果没有，执行以下语句sudo service gdm3 start或sudo service lightdm start重新进入图形界面#检测电脑的NVIDIA显卡型号和推荐的显卡驱动型号Ubuntu-drivers devices sudo chmod a x * * *。在安装驱动程序之前，运行# Install gcc，G，make等。依赖sudo apt-get安装gcc g make#台式电脑建议不要添加参数sudo。/*** .运行-no-x-check-no-nouveau-check-no-OpenGL-files NVIDIA-SMI(安装完成后使用此命令查看)如果后续使用中出现以下错误：NVIDIA-SMI因无法与NVIDIA驱动程序通信而失败。确保安装并运行最新的NVIDIA驱动程序。

　　然后系统内核进行了升级，导致新版本内核和原来的显卡驱动不匹配。解决方案如下：

　　#看驱动版本号，可以看到nvidia-460.84文件夹，其中460.84表示驱动版本号。这个不同的设备版本号将是不同的ll /usr/src#。然后执行下面两条指令sudo apt-get install dkms sudo dkms install-m NVIDIA-v 460.84 #。最后，检查问题是否解决。如果可以显示信息，则问题已经解决。英伟达-smi 3.4 CUDA

　　NIVDIA官方提供并安装的cudatoolkit包含了所有与CUDA相关程序的编译和调试相关的组件。但是对于各种深度学习框架，比如TensorFlow和Pytorch，在使用GPU的时候，只需要动态链接库的支持。比如使用Anaconda安装Pytorch时，会自动为用户安装cudatoolkit，里面包含了程序调用GPU时所依赖的库。只要系统上有兼容的NVIDIA驱动，程序就可以直接运行，不需要NVIDIA提供的CUDA工具包。3.5CUDA下载

　　tensor flow 1 . 13 . 1-2 . 0 . 0版本，进入官网下载CUDA10.0。

　　#建议以运行文件的方式安装。如果使用deb文件，默认情况下会重新安装显卡驱动。如果之前已经安装了驱动程序，就会出现问题。#从图形界面进入命令行模式后，删除驱动程序和相关配置文件#首先给予运行文件的可执行权限。sudo chmod x cuda _ 10 . 0 . 130 _ 410 . 48 _ Linux . run sudo bash cuda _ 10 . 0 . 130 _ 410 . 48 _ Linux . run表示遇到以下指令时是否安装驱动，此时选择n，即不重复安装显卡驱动。安装NVIDIA加速图形驱动Linux-x86 * * * *其他选项可以#卸载cuda#从图形界面模式进入命令行模式，执行sudo apt-get - purge remove cuda* *。安装完成后，执行以下指令来配置变量：

　　可能会遇到以下问题：

　　找不到该命令，因为path环境变量中没有包含“/usr/spoused clouds”，因为当前的/usr/spoused clouds路径不在系统环境中，因此，也不能使用/usr/spoused clouds下的命令，如vi和sudo。解决方法：suvim ~/。bashrexport PATH=/usr/spoused clouds:$ PATH(将/usr/spoused clouds写入环境变量)。如果没有上述问题，请执行以下命令：

　　Sudgedit ~/。这里写的是bashrc # cuda(软连接)，不是cuda的具体版本，因为当你要安装多个版本的cuda时，不需要修改环境变量export PATH=/usr/local/Cuda/spoused clouds:PATH export LD _ library _ PATH=/usr/local/Cuda/lib 64:LD _ library _ PATH export Cuda _ HOME=/usr/local/Cuda:Cuda _ HOME命令行执行：source ~/。bashrc(使环境变量有效)注意：修改/etc/profile中的内容等同于系统环境变量，只需更改自己用户的环境变量profile (~/)即可。bashrc)，并且多个用户可以保持独立性。3.6多版本cuda安装和软连接(系统之前安装了cuda-10.2，现在又安装了cuda-10.0)

　　注意，安装其他cuda版本时，遇到是否建立软连接的选项时选择N，否则系统会自动指向最新安装的版本。

　　软链接也叫符号链接，类似于Windows系统中的快捷方式。通过访问这个软链接，可以准确定位对应的实体文件。

　　#ln命令，用于为不同位置的文件建立同步链接。#ln -s源文件目标文件，建立软链接不会消耗磁盘空间，硬链接是cd /usr/localls#，会占用磁盘空间。可以看到cuda的已安装版本(cuda-10.0和cuda-10.2)和已建立的软链接cuda: cuda cuda-10.0 cuda-10.2 #其中cuda是已建立的软链接，指向当前使用的cuda版本#查看当前指向的cuda版本，此时指的是第一个安装的CUDA版本，即cuda-10.2stat cuda#删除之前的软连接CD/usr/local sudorum-rfcuda #的再次检查cuda的当前版本，并指向第二个安装的版本。

　　tensor flow 1 . 13 . 1-2 . 0 . 0版本，进入官网下载cuDNN7。

　　打开终端，输入解压指令。

　　sud tar-zxvf cud nn-10.0-Linux-x64-v 7 . 6 . 5 . 32 . tgz-c/usr/local/cuda/include如果文件被锁定，那么切换到文件所在的目录并执行命令：chmod 777 cudnn.h h)复制库(。lib)和头文件(。h)到以前的cuda目录：sudocp/usr/local/cuda/Include/cud nn . h/usr/local/cuda-10.0/Include sudo CP/usr/local/cuda/Include/cuda/lib 64/lib cud nn */usr/local/cuda-10.0/lib 64修改访问权限

　　o sud chmod a r/usr/local/cuda-10.0/include/cud nn . h sud chmod a r/usr/local/cuda-10.0/lib 64/libcudnn *检查安装是否成功。

　　cat/usr/local/cuda/include/cud nn . h grep cud nn _ MAJOR-A2以下消息表示安装成功：# define cud nn _ MAJOR 7 # define cud nn _ patch level 5-# define cud nn _ VERSION(cud nn _ MAJOR * 1000 cud nn _ MAJOR * 100 cud nn _ patch level)# include driver _ types . h 4.cuDNN下载安装

　　导入tendlow为TF #验证CUDA是否可用TF . test . is _ build _ with _ CUDA()#返回值True表示可用#验证GPU是否可用tf.test.is_gpu_available()#返回值True表示可用。

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。