Anaconda + Tensorflow 环境搭建
1. Anaconda
1.1 Anaconda 常用命令
1
2
| conda --version
conda update conda
|
1
2
3
4
5
6
| # 帮助命令
conda -h
# 更新所有包
conda update --all
conda upgrade --all
|
1.2 Anaconda 管理环境
1
| conda create --name <env_name> <package_names>
|
如： conda create -n python3 python=3.5 numpy pandas
即创建一个名为“python3”的环境，环境中安装版本为3.5的python，同时也安装了numpy和pandas。
1
2
3
4
5
| conda info --envs
conda env list
source activate <env_name>
|
1
2
3
4
5
|
conda create --name <new_env_name> --clone <copied_env_name>
conda remove --name <env_name> --all
|
1
2
3
4
| pip list / conda list
pip install <package_name>
|
2. Tensorflow
1
| conda install pandas xlrd
|
1
2
| conda install keras==2.2.4
pip install keras-bert
|
1
2
| conda install tensorflow=='1.11.0'
conda install tensorflow-gpu=='1.11.0'
|
3. GPU
1
2
3
4
5
6
7
8
9
10
11
| nvidia-smi
+-----------------------------------------------------------------------------+
| Processes: GPU Memory |
| GPU PID Type Process name Usage |
|=============================================================================|
| 6 7847 C python 11615MiB |
| 7 6412 C python 4219MiB |
| 8 36257 C .../anaconda2/envs/bert-serving/bin/python 11615MiB |
| 9 17293 C /home/xxx/.conda/envs/aspect/bin/python 11613MiB |
+-----------------------------------------------------------------------------+
|
解决 cuda10 因为显卡驱动不支持的
1
| conda install cudatoolkit=9.0
|
用如下代码可检测tensorflow的能使用设备情况：
1
2
| from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())
|
4. CPU
Keras以及Tensorflow强制使用CPU
使用CUDA_VISIBLE_DEVICES命令行参数，代码如下：
1
| CUDA_VISIBLE_DEVICES="" python3 train.py
|
Reference
Good!
Checking if Disqus is accessible...