Lösen Sie das Installationsproblem von Linux Tensorflow2.0

conda aktualisieren conda
pip installieren tf-nightly-gpu-2.0-preview
conda installieren https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/linux-64/cudnn-7.3.1-cuda10.0_0.tar.bz2
conda installieren https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/linux-64/cudatoolkit-10.0.130-0.tar.bz2

veranschaulichen:

• Zuerst müssen Sie conda aktualisieren
• Die neueste Version von tf2.0 ist installiert
• Die Versionen cudnn7.3.1 und cudatoolkit-10.0 können heruntergeladen und lokal installiert werden
  

wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/linux-64/cudnn-7.3.1-cuda10.0_0.tar.bz2
conda install cudnn-7.3.1-cuda10.0_0.tar.bz2

Fehler und Lösungen

Altes Bibliotheksproblem

FEHLER: „wrapt“ kann nicht deinstalliert werden. Es handelt sich um ein mit Distutils installiertes Projekt und daher können wir nicht genau bestimmen, welche Dateien dazu gehören, was nur zu einer teilweisen Deinstallation führen würde.

Die alte Version hat viele Abhängigkeiten und kann nicht eindeutig gelöscht werden. In diesem Fall sollten Sie das Upgrade auf die alte Version ignorieren. Dies ist die folgende Lösung: pip install tf-nightly-gpu-2.0-preview --ignore-installed wrapt

NumPy-Versionsproblem

Ein weiteres Problem ist, dass es eine alte Version von Numpy gibt. Sie können pip verwenden, um Numpy zu deinstallieren, bis Sie aufgefordert werden, nichts zu deinstallieren, und dann Numpy neu installieren

Treiberprobleme

tensorflow.python.framework.errors_impl.InternalError: cudaGetDevice() ist fehlgeschlagen. Status: Die CUDA-Treiberversion ist für die CUDA-Runtime-Version unzureichend.

Dies liegt daran, dass die Treiberversion nicht übereinstimmt. Sie können den Treiber cuda10.0 (derselbe wie oben) von der offiziellen NVIDIA-Website herunterladen.

Installationsbefehl: https://juejin.im/post/5cce44e3f265da036902a89c , dann vollständig bestätigen und abschließend watch nvidia-smi
verwenden watch nvidia-smi


Sehen Sie sich die Ergebnisse an:

Tests und andere

Verfügbare Tests:

Tensorflow als tf importieren
drucken(tf.__version__)
drucken(tf.keras.__version__)

wenn tf.test.is_gpu_available():
  Gerät = "/gpu:0"
anders:
  Gerät = "/cpu:0"

drucken(Gerät)

Reduzieren Sie die Tensorflow-Ausgabeinformationen

TensorFlow verfügt über vier Ebenen von Protokollinformationen, in aufsteigender Reihenfolge der Wichtigkeit: INFO (Benachrichtigung) < WARNING (Warnung) < ERROR (Fehler) < FATAL (schwerwiegender Fehler)

tf.compat.v1.logging.set_verbosity('FEHLER')

oder

Betriebssystem importieren
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '3'

Tensorflow2.0 verursacht Probleme unter PyCharm

Tensorflow2.0 verwendet Keras normalerweise über tensorflow.keras, aber Pycharm fordert es nicht auf. Der Grund dafür ist, dass der eigentliche Keras-Pfad in tensorflow/python/keras platziert ist, es im Programm jedoch kein Python-Verzeichnis in Tensorflow gibt. Die Lösung lautet wie folgt:

versuchen:
  importiere tensorflow.python.keras als keras
außer:
  importiere tensorflow.keras als keras

Auf diese Weise kann Pycharm Eingabeaufforderungen haben, und es ist nicht erforderlich, den Code zu ändern, wenn das Programm ausgeführt wird.

Zusammenfassen

Das Obige ist die Einführung des Herausgebers zur Lösung des Linux Tensorflow2.0-Installationsproblems. Ich hoffe, es wird allen helfen. Wenn Sie Fragen haben, hinterlassen Sie mir bitte eine Nachricht und ich werde Ihnen rechtzeitig antworten. Ich möchte auch allen für ihre Unterstützung der Website 123WORDPRESS.COM danken!
Wenn Sie diesen Artikel hilfreich finden, können Sie ihn gerne abdrucken und dabei bitte die Quelle angeben. Vielen Dank!