绵阳梓潼网站制作公司

TensorFlow中怎么搭建JupyterLab环境

TensorFlow中怎么搭建JupyterLab 环境，针对这个问题，这篇文章详细介绍了相对应的分析和解答，希望可以帮助更多想解决这个问题的小伙伴找到更简单易行的方法。

创新互联建站是专业的盂县网站建设公司，盂县接单;提供成都做网站、成都网站制作,网页设计,网站设计,建网站,PHP网站建设等专业做网站服务;采用PHP框架,可快速的进行盂县网站开发网页制作和功能扩展;专业做搜索引擎喜爱的网站,专业的做网站团队,希望更多企业前来合作!

Ubuntu

  • Ubuntu 18.04.5 LTS (Bionic Beaver)

    • ubuntu-18.04.5-desktop-amd64.iso

CUDA

  • CUDA 11.2.2

    • cuda_11.2.2_460.32.03_linux.run

  • cuDNN 8.1.1

    • libcudnn8_8.1.1.33-1+cuda11.2_amd64.deb

    • libcudnn8-dev_8.1.1.33-1+cuda11.2_amd64.deb

    • libcudnn8-samples_8.1.1.33-1+cuda11.2_amd64.deb

Anaconda

  • Anaconda Python 3.8

    • Anaconda3-2020.11-Linux-x86_64.sh

conda activate base

安装 JupyterLab

Anaconda 环境里已有，如下查看版本：

jupyter --version

不然，如下进行安装：

conda install -c conda-forge jupyterlab

安装 TensorFlow

创建虚拟环境 tf，再 pip 安装 TensorFlow：

# create virtual environment
conda create -n tf python=3.8 -y
conda activate tf

# install tensorflow
pip install --upgrade pip
pip install tensorflow

测试：

$ python - <
2021-04-01 11:18:17.719061: I tensorflow/stream_executor/platform/default/dso_loader.cc:49] Successfully opened dynamic library libcudart.so.11.0
2.4.1 True
2021-04-01 11:18:18.437590: I tensorflow/compiler/jit/xla_cpu_device.cc:41] Not creating XLA devices, tf_xla_enable_xla_devices not set
2021-04-01 11:18:18.437998: I tensorflow/stream_executor/platform/default/dso_loader.cc:49] Successfully opened dynamic library libcuda.so.1
2021-04-01 11:18:18.458471: I tensorflow/stream_executor/cuda/cuda_gpu_executor.cc:941] successful NUMA node read from SysFS had negative value (-1), but there must be at least one NUMA node, so returning NUMA node zero
2021-04-01 11:18:18.458996: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1720] Found device 0 with properties:
pciBusID: 0000:01:00.0 name: GeForce RTX 2060 computeCapability: 7.5
coreClock: 1.35GHz coreCount: 30 deviceMemorySize: 5.79GiB deviceMemoryBandwidth: 245.91GiB/s
2021-04-01 11:18:18.459034: I tensorflow/stream_executor/platform/default/dso_loader.cc:49] Successfully opened dynamic library libcudart.so.11.0
2021-04-01 11:18:18.461332: I tensorflow/stream_executor/platform/default/dso_loader.cc:49] Successfully opened dynamic library libcublas.so.11
2021-04-01 11:18:18.461362: I tensorflow/stream_executor/platform/default/dso_loader.cc:49] Successfully opened dynamic library libcublasLt.so.11
2021-04-01 11:18:18.462072: I tensorflow/stream_executor/platform/default/dso_loader.cc:49] Successfully opened dynamic library libcufft.so.10
2021-04-01 11:18:18.462200: I tensorflow/stream_executor/platform/default/dso_loader.cc:49] Successfully opened dynamic library libcurand.so.10
2021-04-01 11:18:18.462745: I tensorflow/stream_executor/platform/default/dso_loader.cc:49] Successfully opened dynamic library libcusolver.so.10
2021-04-01 11:18:18.463241: I tensorflow/stream_executor/platform/default/dso_loader.cc:49] Successfully opened dynamic library libcusparse.so.11
2021-04-01 11:18:18.463353: I tensorflow/stream_executor/platform/default/dso_loader.cc:49] Successfully opened dynamic library libcudnn.so.8
2021-04-01 11:18:18.463415: I tensorflow/stream_executor/cuda/cuda_gpu_executor.cc:941] successful NUMA node read from SysFS had negative value (-1), but there must be at least one NUMA node, so returning NUMA node zero
2021-04-01 11:18:18.463854: I tensorflow/stream_executor/cuda/cuda_gpu_executor.cc:941] successful NUMA node read from SysFS had negative value (-1), but there must be at least one NUMA node, so returning NUMA node zero
2021-04-01 11:18:18.464170: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1862] Adding visible gpu devices: 0
[PhysicalDevice(name='/physical_device:GPU:0', device_type='GPU')]
Solution: Could not load dynamic library 'libcusolver.so.10'
cd /usr/local/cuda/lib64
sudo ln -sf libcusolver.so.11 libcusolver.so.10
安装 IPython kernel
在虚拟环境 tf 里，安装 ipykernel 与 Jupyter 交互。
# install ipykernel (conda new environment)
conda activate tf
conda install ipykernel -y
python -m ipykernel install --user --name tf --display-name "Python TF"

# run JupyterLab (conda base environment with JupyterLab)
conda activate base
jupyter lab
另一种方式，可用 nb_conda 扩展，其于笔记里会激活 Conda 环境：
# install ipykernel (conda new environment)
conda activate tf
conda install ipykernel -y

# install nb_conda (conda base environment with JupyterLab)
conda activate base
conda install nb_conda -y
# run JupyterLab
jupyter lab
最后，访问 http://localhost:8888/ ：
TensorFlow中怎么搭建JupyterLab 环境
关于TensorFlow中怎么搭建JupyterLab 环境问题的解答就分享到这里了，希望以上内容可以对大家有一定的帮助，如果你还有很多疑惑没有解开，可以关注创新互联行业资讯频道了解更多相关知识。
            
            
                            

                当前题目：TensorFlow中怎么搭建JupyterLab环境                

                链接分享：http://myzitong.com/article/pohsod.html

其他资讯