Anaconda + Tensorflow 环境搭建   2019-11-08


bert 遇见 keras

1. Anaconda

1.1 Anaconda 常用命令

conda --version
conda update conda
# 帮助命令
conda -h

# 更新所有包
conda update --all
conda upgrade --all

1.2 Anaconda 管理环境

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。

conda info --envs

conda env list

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

# 删除环境
conda remove --name <env_name> --all
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

conda install pandas xlrd
conda install keras==2.2.4
pip install keras-bert
conda install tensorflow=='1.11.0'
conda install tensorflow-gpu=='1.11.0'

3. GPU

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

conda install cudatoolkit=9.0

用如下代码可检测tensorflow的能使用设备情况:

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:

CUDA_VISIBLE_DEVICES="" python3 train.py

Reference

Good!


分享到:


  如果您觉得这篇文章对您的学习很有帮助, 请您也分享它, 让它能再次帮助到更多的需要学习的人. 您的支持将鼓励我继续创作 !
本文基于署名4.0国际许可协议发布,转载请保留本文署名和文章链接。 如您有任何授权方面的协商,请邮件联系我。

Contents

  1. 1. Anaconda
    1. 1.1 Anaconda 常用命令
    2. 1.2 Anaconda 管理环境
  2. 2. Tensorflow
  3. 3. GPU
  4. 4. CPU
  5. Reference