荐 【TensorFlow 2】Linux 下 TensorFlow 2.x 安装与环境配置

下面总结一下安装过程和我踩过的坑。
我主要参考的是下面这个官方教程，算比较完整。
安装时可能遇到教程之外的坑，但大部分能查到解决方案。
官方中文教程
本文如有疏漏，欢迎指正。

TensorFlow 安装步骤

安装 Anaconda

Anaconda 是一个用于科学计算的 Python 发行版，支持 Linux, Mac, Windows系统，提供了包管理与环境管理的功能，可以很方便地解决多版本 python 并存、切换以及各种第三方包安装问题。Anaconda利用工具/命令 conda 来进行 package 和 environment 的管理，并且已经包含了 Python 和相关的配套工具。
官方下载Anaconda。最新版本，但下载速度可能很慢，也会下载失败。
清华镜像源下载Anaconda。下载速度比较快，版本可能不是最新的。我安装成功后会再更新一下。
linux版本选择.sh后缀文件，64位系统选择x86_64版本，我下载的是Anaconda3-5.3.1-Linux-x86_64.sh。

下载好了安装包，进入文件所在目录。
以普通用户身份安装

$ sh Anaconda3-5.3.1-Linux-x86_64.sh 
Please, press ENTER to continue
多次按下回车（按慢点，不然可能要重装）
直到
Do you accept the license terms? [yes|no]
[no] >>> yes 
输入yes

然后他会让你选择安装路径，如果回车，就默认[ ]里面的路径。
但注意，如果你是以root用户安装的话，会默认安装在root下，这样后面使用时需要权限。

[/home/kai/anaconda3 ] >>> 
开始安装，等待
Do you wish the installer to initialize Anaconda3
in your /home/kai/.bashrc ? [yes|no]
[no] >>> yes
输入yes

打开 /etc/profile，在最后一行添加这句export PATH=/home/kai/anconda3/bin:$PATH（这里按安装目录而定），保存退出。

Ubuntu 用gedit，deepin用dedit
$ sudo gedit /etc/profile
$ source  /etc/profile

上面说了，如果从清华镜像源下载 Anaconda ，版本可能比较老，所以更新一下

$ conda update conda
$ conda update anaconda

Anaconda 换国内镜像源

有时候 conda 源比较慢，需要更换为国内的镜像源。参考这篇博客

$ sudo gedit ~/.condarc       # deepin 用 dedit ，Ubuntu 用 gedit

打开后，改为如下内容，若不再用国外的源，就删掉 - defaults ，并保存退出。

channels:
  - https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
  - https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
  - defaults
show_channel_urls: true

安装 tensorflow2.x

安装好conda，接下来创建一个环境，并安装tensorflow。
这里创建的虚拟环境是与其他环境 ”隔离“ 的，比如你之前安装的。你可以为 tensorflow 1.x 2.x分别建立环境。
创建好的环境的目录一般在 /home/usrname/anaconda3/envs。

$ conda create --name tf2 python=3.x      # “tf2”是你建立的conda虚拟环境的名字，=3.x 是选择python版本
$ conda activate tf2                      # 进入名为“tf2”的conda虚拟环境
$ conda deactivate                        #退出当前虚拟环境

进入tf2环境后

$ conda search tensorflow            #搜索可供选择的版本，也可不搜索，直接安装
$ conda install tensorflow=x.x       #安装指定版本， 我安装的版本是2.2

NVIDIA 显卡驱动的安装

windows

Windows 环境中，如果系统具有 NVIDIA 显卡，则往往已经自动安装了 NVIDIA 显卡驱动程序。如未安装，直接访问 NVIDIA 官方网站 下载并安装对应型号的最新公版驱动程序即可。

linux

再服务器版 Linux 系统下，访问 NVIDIA 官方网站下载驱动程序（为 .run 文件），并安装驱动即可。
下载驱动前需要了解本机独立显卡的信息，选择对应的驱动。

$ sudo apt-get install build-essential
$ sudo bash DRIVER_FILE_NAME.run

在具有图形界面的桌面版 linux 系统上，NVIDIA 显卡驱动程序需要一些额外的配置。
打开 blacklist.conf，并在里面添加后面5行，保存。

$ sudo gedit /etc/modprobe.d/blacklist.conf    #deepin 系统用 dedit

blacklist nouveau   
blacklist lbm-nouveau   
options nouveau modeset=0 
alias nouveau off   
alias lbm-nouveau off

更新，重启。

$ sudo update-initramfs -u
$ sudo reboot

删除原有 NVIDIA 驱动程序

$ sudo apt-get remove --purge nvidia*

重启系统，按 Ctrl+Alt+F2 进入命令行界面，需要依次输入用户名和密码，注意大小写。
关闭图像界面

$ sudo service lightdm stop

终端进入NVIDIA驱动所在目录。
为了不用记文件名，可以在进入目录后，查找驱动名字。

$ ls 
$ sudo chmod a+x NVIDIA-Linux-x86_64-435.21.run
$ sudo sh NVIDIA-Linux-x86_64-435.21.run

进行驱动安装，可能会提示 nouveau 未禁用，那就需要修改 blacklist 了。中间提示的 DKMS 可不安装。
输入以下命令返回图形界面，确认驱动安装成功。

$ sudo service lightdm start
$ nvidia-smi                 #返回图形界面后输入，若输出如下图所示，则成功

CUDA Toolkit 和 cuDNN 的安装

在 conda 虚拟环境下，安装 CUDA Toolkit 和 cuDNN ，一定要注意他们与 tensorflow的版本对应。具体对应关系网上可查。下面以我安装的版本为例（对应tensorflow2.2）。

$ conda search cudatoolkit
$ conda search sudnn          #查找可选版本
$ conda install cudatoolkit=10.2
$ conda install cudnn=7.6.5

这个过程比较漫长，网络不好时可能会安装失败，多试几次，或者换源。
安装完，anaconda3文件夹估计得有近10G
可以搜索一下 conda瘦身，执行下面两条指令，删除一些冗余文件。
conda clean -p
conda clean -t

验证安装

到这里，基本上安装完了。现在检证一下安装结果。

$ conda activate tf2
$ python

输入以下代码

import tensorflow as tf

A = tf.constant([[1, 2], [3, 4]])
B = tf.constant([[5, 6], [7, 8]])
C = tf.matmul(A, B)

print(C)

若能输出下面结果，则成功

tf.Tensor(
[[19 22]
[43 50]], shape=(2, 2), dtype=int32)

运行途中可能会输出一些 TensorFlow 的提示信息，属于正常现象。

IDE 设置

PyCharm

对于 IDE 的选择，官方教程推荐 PyCharm ，并有介绍，如下图。
对于初学者和业余爱好者，推荐 Visual Studio Code 。

VSCode

我自己目前用的是 VSCode 。选择环境如下图。

如有错误或疏漏，请予以指正。

本文地址：https://blog.csdn.net/weixin_44011353/article/details/107224889