So installieren Sie die TensorFlow-GPU unter Ubuntu 18.04

Einführung

TensorFlow ist eine Open-Source-Plattform für maschinelles Lernen. Google hat die Software entwickelt, um Forschern, Datenwissenschaftlern und Entwicklern dabei zu helfen, den Prozess der Implementierung von Modellen für maschinelles Lernen zu vereinfachen.

Diese End-to-End-Bibliothek für numerische Berechnungen kann auf mehreren CPUs, GPUs sowie mobilen Betriebssystemen ausgeführt werden. In diesem Tutorial erfahren Sie, wie Sie TensorFlow unter Ubuntu 18.04 installieren.

Voraussetzungen

• Ein Ubuntu Linux-System (16.04 oder höher)
• Zugriff auf ein Befehlszeilen-/Terminalfenster (Strg + Alt +T )
• Ein Benutzerkonto mit sudo Privilegien
• Pip 19.0 oder höher

Schritt 1:Erforderliche Pakete installieren

Bevor Sie TensorFlow installieren können, müssen Sie die Python-Entwicklungsumgebung einrichten. Es enthält die folgende Software:

• Python (Version 3.4 oder höher)
• der Pip-Paketmanager (nicht älter als Version 19.0)
• Virtualenv (Software zum Isolieren von Python-Umgebungen)

Öffnen Sie das Terminalfenster und aktualisieren Sie zunächst das Repository mit:

sudo apt update

Als nächstes installieren Sie die ersten beiden Pakete mit dem Befehl:

sudo apt install python3-dev python3-pip

Führen Sie dann den folgenden Befehl für eine systemweite Installation von Virtualenv aus:

sudo pip3 install -U virtualenv

Schritt 2:Erstellen einer virtuellen Umgebung

Jetzt, da Sie Virtualenv auf Ihrem Ubuntu-System haben, können Sie damit Python-Umgebungen erstellen und isolieren.

Erstellen Sie Ihre erste Umgebung in einem neuen ./venv Verzeichnis:

virtualenv --system-site-packages -p python3 ./venv

Aktivieren Sie dann die virtuelle Umgebung, um mit der Arbeit darin zu beginnen. Führen Sie den folgenden Befehl aus:

source ./venv/bin/activate

Ihr Shell-Prompt sollte jetzt ein (venv) haben Präfix wie im Bild unten:

Sobald Sie venv aktivieren , fahren Sie mit der Installation von pip fort innerhalb der isolierten Umgebung:

pip install --upgrade pip

Wenn Sie eine vollständige Liste aller Pakete in der virtuellen Umgebung sehen möchten, verwenden Sie den Befehl:

pip list

Es zeigt alle Pakete und ihre jeweiligen Versionen an, wie im folgenden Bild:

Schritt 3:TensorFlow installieren

Der nächste Schritt unterscheidet sich je nachdem, ob Sie TensorFlow for CPU installieren oder TensorFlow für GPU . Die Wahl hängt von der Art Ihrer Arbeitslast und den Hardwareoptionen ab.

Option 1:TensorFlow für CPU installieren

Der standardmäßige TensorFlow Softwarepaket unterstützt CPU-basierte Workloads. Um das Paket und seine Abhängigkeiten zu installieren, geben Sie den folgenden Befehl ein:

pip install --upgrade tensorflow

Option 2:TensorFlow für GPU installieren

TensorFlow für GPU erfordert eine dedizierte NVIDIA CUDA®-fähige GPU und zugehörige Treiber. Dieses Softwarepaket ist für GPU-basierte Arbeitslasten für maschinelles Lernen vorgesehen.

So installieren Sie die neueste stabile Version von TensorFlow für GPU , führen Sie den folgenden Befehl aus:

pip install --upgrade tensorflow-gpu

Eine Liste der Hardware- und Softwareanforderungen für TensorFlow für GPU finden Sie in der TensorFlow-Dokumentation zur GPU-Unterstützung.

Option 3:Alte Versionen von TensorFlow installieren

Ältere Versionen von TensorFlow für CPU und GPU stehen auch zum Download bereit.

Version 1.14 und älter wird installiert, indem der Befehl im folgenden Format ausgeführt wird:

pip install tensorflow==package_version

So installieren Sie TensorFlow für CPU 1.14 , führen Sie den folgenden Befehl aus:

pip install tensorflow==1.14

So installieren Sie TensorFlow für GPU 1.14 , führen Sie den folgenden Befehl aus:

pip install tensorflow-gpu==1.14

Version 1.15 unterstützt sowohl CPU- als auch GPU-basierte Workloads. So installieren Sie TensorFlow 1.15 , geben Sie den Befehl ein:

pip install tensorflow-gpu==1.15rc2

Schritt 4:Überprüfen der TensorFlow-Installation

Um die Installation von TensorFlow in Ubuntu zu überprüfen, geben Sie den Befehl im Terminalfenster ein:

python -c "import tensorflow as tf;print(tf.reduce_sum(tf.random.normal([1000, 1000])))"