Ubuntu18.04 GPU 버전 Tensorflow2.0+CUDA10.0/Tensorflow2.1+CUDA10.1 가상 환경 구성

버전 일치 문제에 주의해야 합니다. Tensorflow2.0+CUDA10.0 및 Tensorflow2.1+CUDA10.1 이 두 가지 조합의 GPU 버전은 문제가 없습니다. 제가 설치하는 과정에서 CUDA10.가 설치되었기 때문입니다.1, Tensorflow를 설치합니다.0 이후 테스트 오류 GPU를 사용할 수 없습니다. 2.0 버전을 제거한 후에 2.1 버전을 다시 설치했습니다. 테스트를 통해 사용할 수 있습니다.Anaconda는 설치가 편리하지만 Ubuntu 시스템에서 시스템 환경 변수와 충돌하기 쉬워 이전 사용 과정에서 체험이 좋지 않기 때문에virtualenv를 선택하여 격리 설치를 한다.
주의: 만약 당신이 이중 시스템이고 드라이버를 설치하지 않았다면 다음 강좌에 따라 드라이버를 설치하는 것을 권장합니다.드라이버가 설치되어 있고 정상적으로 작동할 수 있다면 건너뛰십시오.듀얼 시스템은 시스템 카드 작동을 방지하고 그래픽 드라이브를 장착합니다.
다음 내용 참조: How to install TensorFlow 2.0 on Ubuntu
＃＃ 1.종속 라이브러리 1.1 업데이트 시스템 설치

sudo apt-get update
sudo apt-get upgrade

1.2 컴파일 도구 설치

sudo apt-get install build-essential cmake unzip pkg-config
sudo apt-get install gcc-6 g++-6

1.3 screen을 설치하고 같은 창에 여러 개의 터미널 도구를 사용하여 원격 SSH 연결에 사용할 수 있습니다.

sudo apt-get install screen

1.4 install X windows libraries and OpenGL libraries:

sudo apt-get install libxmu-dev libxi-dev libglu1-mesa libglu1-mesa-dev

1.5 Along with image and video I/O libraries:

sudo apt-get install libjpeg-dev libpng-dev libtiff-dev
sudo apt-get install libavcodec-dev libavformat-dev libswscale-dev libv4l-dev
sudo apt-get install libxvidcore-dev libx264-dev

1.6 install optimization libraries:

sudo apt-get install libopenblas-dev libatlas-base-dev liblapack-dev gfortran

1.7 HDF5 for working with large datasets:

sudo apt-get install libhdf5-serial-dev

1.8 Python 3 development libraries including TK and GTK GUI support:

sudo apt-get install python3-dev python3-tk python-imaging-tk
sudo apt-get install libgtk-3-dev

2 그래픽 드라이브 및 CUDA 설치

비디오 드라이버가 이미 설치되어 있는 경우 전면 2.1~2.5는 건너뛸 수 있습니다.2.1 add an apt-get repository so that we can install NVIDIA GPU drivers.

sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update

2.2 install your NVIDIA graphics driver:

sudo apt-get install nvidia-driver-418

2.3 reboot command and wait for your system to restart:

sudo reboot now

2.4 both download and install CUDA 10.0 right from your terminal

cd ~
mkdir installers
cd installers/
wget https://developer.nvidia.com/compute/cuda/10.0/Prod/local_installers/cuda_10.0.130_410.48_linux
mv cuda_10.0.130_410.48_linux cuda_10.0.130_410.48_linux.run
chmod +x cuda_10.0.130_410.48_linux.run
sudo ./cuda_10.0.130_410.48_linux.run --override

2.5 error process You will be prompted to accept the End User License Agreement (EULA). During the process, you may encounter the following error:

Please make sure that
PATH includes /usr/local/cuda-10.0/bin
LD_LIBRARY_PATH includes /usr/local/cuda-10.0/lib64, or, add /usr/local/cuda-10.0/lib64 to /etc/ld.so.conf and run ldconfig as root
To uninstall the CUDA Toolkit, run the uninstall script in /usr/local/cuda-10.0/bin
Please see CUDA_Installation_Guide_Linux.pdf in /usr/local/cuda-10.0/doc/pdf for detailed information on setting up CUDA.
*WARNING: Incomplete installation! This installation did not install the CUDA Driver. A driver of version at least 384.00 is required for CUDA 10.0 functionality to work.
To install the driver using this installer, run the following command, replacing  with the name of this run file:
sudo .run -silent -driver
Logfile is /tmp/cuda_install_25774.log

You may safely ignore this error message. 2.6 update bash profile

nano ~/.bashrc

Insert the following lines at the bottom of the profile:

# NVIDIA CUDA Toolkit
export PATH=/usr/local/cuda-10.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64

여기서 사용자 고유의 CUDA 버전을 수정합니다.

source ~/.bashrc

2.7 query CUDA to ensure that it is successfully installed:

nvcc -V

2.8 cuDNN Library for Linux cuDNN v7.6.4 for CUDA 10.0 from the following link:　https://developer.nvidia.com/rdp/cudnn-archive
버전 일치 문제 주의

scp ~/Downloads/cudnn-10.0-linux-x64-v7.6.4.24.tgz \
    username@your_ip_address:~/installers

cd ~/installers
tar -zxf cudnn-10.0-linux-x64-v7.6.4.38.tgz
cd cuda
sudo cp -P lib64/* /usr/local/cuda/lib64/
sudo cp -P include/* /usr/local/cuda/include/
cd ~

3. 가상 환경 설치
3.1 download pip3

wget https://bootstrap.pypa.io/get-pip.py
sudo python3 get-pip.py

3.2 install virtual environment tools:

pip3 install virtualenv virtualenvwrapper

3.3 update bash profile

nano ~/.bashrc

insert the following lines at the end of the file:

# virtualenv and virtualenvwrapper
export WORKON_HOME=$HOME/.virtualenvs
export VIRTUALENVWRAPPER_PYTHON=/usr/bin/python3
source /usr/local/bin/virtualenvwrapper.sh

여기가 틀릴 수도 있습니다.virtualenvwrapper 때문입니다.sh 경로 설치가 잘못되었습니다. 오류 신고가 있으면 참고하십시오:/usr/local/bin/virtualen vwrapper.sh: 그 파일이나 디렉터리의 해결 방법이 없습니다

source ~/.bashrc

3.4 create Python 3 deep learning virtual environment named dl4cv:

mkvirtualenv dl4cv -p python3

4. Install TensorFlow 2.0 into your dl4cv virtual environment

      CUDA10.1，   tensorflow-gpu2.1

4.1 activate the environment and install

workon dl4cv

pip install numpy
pip install tensorflow-gpu==2.0.0 # or tensorflow-gpu==2.1.0

4.2 nstalling standard image processing libraries including OpenCV:

pip install opencv-contrib-python
pip install scikit-image
pip install pillow
pip install imutils

4.3 install machine learning libraries and support libraries

pip install scikit-learn
pip install matplotlib
pip install progressbar2
pip install beautifulsoup4
pip install pandas

4.4 test

workon dl4cv
python
>>> import tensorflow as tf
>>> tf.__version__
2.0.0
>>> import tensorflow.keras
>>> import cv2
>>> cv2.__version__
4.1.2

4.5 check if TensorFlow 2.0’s installation is able to take advantage of your GPU:

workon dl4cv
python
>>> import tensorflow as tf
>>> tf.test.is_gpu_available()
True

4.6 deactivate the current virtual environment:

deactivate