Ubuntu 18.04 nvidia driver 390.48 安装 TensorFlow 1.12.0 和 PyTorch 1.0.0 详细教程

Posted 2021-02-05 time-flow1024

最近要在个人台式机上搭建TensorFlow和PyTorch运行环境，期间遇到了一些问题。这里就把解决的过程记录下来，同时也可以作为安装上述环境的过程记录。

如果没有遇到类似的问题，想直接从零安装上述两个包的运行环境的，请直接阅读第三部分。

一、硬件和环境配置：

1）操作系统：Ubuntu 18.04；

2）NVIDIA Driver Version ：390.48；（可通过nvidia-smi命令查到）

3）GPU：GTX 1080； （可通过nvidia-smi命令查到）

4）已安装CUDA Toolkit 9.1； （可通过nvcc --version命令查到）

5）已安装Anaconda3。

二、问题描述及解决过程：

1）在安装Anaconda3后，创建名为mydev的虚拟环境

conda create --name mydev

2）随后

source activate mydev

启用虚拟环境

3）安装torch1.0.0和tensorflow1.12.0

conda install -c pytorch pytorch

conda install tensorflow-gpu

4）安装完成后，检测上述两个包是否均能够使用GPU进行训练

pytorch的测试代码：

# -*- coding: utf-8 -*-
from __future__ import print_function
import os
import torch

cuda = torch.cuda.is_available()
if cuda:
    print(‘OK! CUDA device detected.‘)
else :
    print(‘Error, CUDA device NOT detected.‘)

tensorflow的测试代码：

import tensorflow as tf
print(tf.test.is_gpu_available())

测试结果：

pytorch测试结果显示：OK! CUDA device detected.

tensorflow测试结果显示：False.

说明torch可以检测到GPU但是tensorflow没检测到GPU。

5）开始查错。首先

source deactivate

退出当前虚拟环境

6）然后

source activate mydev

重新进入虚拟环境，

conda list

让conda列出当前虚拟环境下安装的所有包的信息，目的是查看包的版本

发现一个名为cudatoolkit的包，其版本是9.2，是随着tensorflow一并安装到虚拟环境内的。看似没有什么问题。

7）在当前虚拟环境内进入python

python

在python内，敲入：

>>> import tensorflow as tf

>>> tf.__file__

>>> tf.__version__

来获取tensorflow的安装位置，我们要检查一下tensorflow到底安装到了哪里，以及版本对不对。

从python的输出结果来看：

tensorflow的版本是1.10.0，而且位置也不对，被安装到了~/.local/lib/python3.6/site-packages/...目录下，而不是类似~/anaconda3/envs/mydev/...下。

同样类似的问题也出现在了pytorch上。

突然回想起来电脑刚装完驱动和CUDA Toolkit的时候，可能用过pip安装过tensorflow，而且当时没有意识到tensorflow有CPU和GPU版本之分，就误安装了tensorflow1.10的CPU版，而pip安装的包会优先于conda虚拟环境内安装的包，所以都乱套了。

8）根据上面的发现，我们要退出当前虚拟环境，

source deactivate

然后在主环境内

pip uninstall tensorflow

pip uninstall torch

卸载掉这两个旧的包。

9）卸载之后，再

source activate mydev

进入虚拟环境，运行tensorflow的测试代码，显示

cudaGetDevice() failed. Status: CUDA driver version is insufficient for CUDA runtime version

意思是CUDA驱动版本和CUDA运行库版本不匹配，这是由于之前所说的cudatoolkit版本是9.2，版本过高造成的。

10）于是根据出错信息上网搜解决措施，发现在conda虚拟环境内，利用

conda update --all

可以使conda意识到在当前虚拟环境内，包之间的版本依赖问题，敲入上述指令后，发现conda提出的解决方案中，将cudatoolkit降级为9.0，pytorch降级为0.4.1。

于是很欣慰的敲入上述指令并运行，发现tensorflow可以发现GPU了。

11）第10步中我们降级了pytorch，所以我们要重新安装pytorch为1.0.0版：

conda install -c pytorch pytorch

12）完整操作后，我们就有了tensorflow1.12.0和pytorch1.0.0了～

三、上述的环境配置全过程整理

1）首先，如果您的电脑之前利用pip命令曾经安装过tensorflow或者pytorch，请用

pip uninstall tensorflow

pip uninstall torch

在pip中卸载掉这两个包。

2）随后按照如下步骤操作：

创建虚拟环境

conda create --name mydev

进入虚拟环境

source activate mydev

安装tensorflow和pytorch

conda install -c pytorch pytorch

conda install tensorflow-gpu

让conda再次整理包间的依赖

conda update --all

重新安装pytorch

conda install -c pytorch pytorch

3）测试安装好的两个包是否均支持GPU，测试代码已在上面给出。

四、总结

1）安装tensorflow时，一定要写tensorflow-gpu而不是tensorflow，否则安装的是tensorflow的CPU版而不是GPU版。

2）理论上来说，pip和conda命令是冲突的。pip解决的是python内包之间的依赖问题，而conda的目标是管理任何编程语言之间的包的依赖问题。所以根据喜好，以后尽量使用二者中的一个。

3）当包的状态不对时，可以利用packageName.__version__和packageName.__file__可以查看包的版本和安装位置。