抱歉,您的浏览器无法访问本站

本页面需要浏览器支持(启用)JavaScript


了解详情 >
Anaconda+Tensorflow
Anaconda+Tensorflow

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
# 复制环境
conda create --name <new_env_name> --clone <copied_env_name>

# 删除环境
conda remove --name <env_name> --all
1
2
3
4
pip list / conda list

# 当使用 conda install 无法进行安装时,可以使用pip进行安装
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!