ubuntu 安装 jax jaxlib cpu 和 gpu 版本 以及 tensorflow tensorRT的安装

这篇具有很好参考价值的文章主要介绍了ubuntu 安装 jax jaxlib cpu 和 gpu 版本 以及 tensorflow tensorRT的安装。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

需要事先安装较新版本的 cuda 和cudnn ,例如11.8 + 8.8

在已经安装过cuda的机器上安装新版cuda sdk 和 cudnn 可参考前述:

ubuntu 安装 多版本 cuda 11.4 11.8_Eloudy的博客-CSDN博客

一,安装python3 和 pip3

sudo apt-get install python3

sudo apt-get install python3-pip

pip3 --version

sudo pip3 install --upgrade pip

二,安装 cpu版本的 jax 和 jaxlib   

  使用pip官方源安装 jax:  

sudo pip3 install jax jaxlib

    使用pip清华源安装 jax:(更新很及时,没看出版本差别)

  

sudo pip3 install jax jaxlib -i https://pypi.tuna.tsinghua.edu.cn/simple

        其他可选源:

             -i https://mirrors.aliyun.com/pypi/simple/
             -i http://mirrors.cloud.tencent.com/pypi/simple
             -i http://pypi.douban.com/simple


        永久换pip源:

sudo pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple


        配置其他网址,类似替换
        
    安装内容:
        Downloading jax-0.2.17.tar.gz
        Downloading jaxlib-0.1.69-cp36-none-manylinux2010_x86_64.whl
        Downloading absl_py-1.4.0-py3-none-any.whl
        Downloading numpy-1.19.5-cp36-cp36m-manylinux2010_x86_64.whl
        Downloading opt_einsum-3.3.0-py3-none-any.whl
        Downloading flatbuffers-2.0.7-py2.py3-none-any.whl
        Downloading scipy-1.5.4-cp36-cp36m-manylinux1_x86_64.whl


    成功安装后会显示:
Successfully built jax
Installing collected packages: scipy, opt_einsum, jaxlib, jax
Successfully installed jax-0.4.4 jaxlib-0.4.4 opt_einsum-3.3.0 scipy-1.10.1

        

三,安装gpu版本的jax和jaxlib

安装gpu版本时遇到了一些版本问题,最后干脆将系统升级到cuda 11.8  cudnn 8.8

ubuntu 安装 多版本 cuda 11.4 11.8_Eloudy的博客-CSDN博客

先卸载原先的jax和 jaxlib,并更新pip:

pip uninstall jax jaxlib

pip install --upgrade pip

然后直接显式指定cuda和cudnn版本安装:

pip install "jax[cuda11_cudnn86]" -f https://storage.googleapis.com/jax-releases/jax_cuda_releases.html

安装成功:

ubuntu 安装 jax jaxlib cpu 和 gpu 版本 以及 tensorflow tensorRT的安装

四,示例测试

1. 

python3
>>> import jax.numpy as np
>>>
 

2. 

import jax.numpy as np

from jax import random
import time

x = random.uniform(random.PRNGKey(0), [5000, 5000])
st=time.time()
try:
        y=np.matmul(x, x)

except Exception:

    print("error")

print(time.time()-st)

print(y)

运行时没有向cpu版本那样提示找不到gpu:

ubuntu 安装 jax jaxlib cpu 和 gpu 版本 以及 tensorflow tensorRT的安装

3. 生成三维数组

import jax.numpy as jnp
from jax import grad, jit, vmap
from jax import random

key = random.PRNGKey(0)
x = random.normal(key,(7, 2, 3))
print(x)

ubuntu 安装 jax jaxlib cpu 和 gpu 版本 以及 tensorflow tensorRT的安装

4. 计算 LU分解

import jax.numpy as jnp
from jax import grad, jit, vmap
from jax import random

import pprint
import scipy
import scipy.linalg

key = random.PRNGKey(0)
A = random.normal(key,(7, 7))
print("A=")
pprint.pprint(A)

P, L, U = scipy.linalg.lu(A)

print("A=")
pprint.pprint(A)

print("P=")
pprint.pprint(P)

print("L=")
pprint.pprint(L)

print("U=")
pprint.pprint(U)

执行: 

ubuntu 安装 jax jaxlib cpu 和 gpu 版本 以及 tensorflow tensorRT的安装

 

官方安装参考网址

GitHub - google/jax: Composable transformations of Python+NumPy programs: differentiate, vectorize, JIT to GPU/TPU, and more

五,顺便安装个tensorflow

先炸一炸最新版本

$ pip3 install tensorflow-gpu==33.33

输出如下:

mklguy@mklguy--PC:~/ex/tensorflow_ex$ pip install tensorflow-gpu==33.33
Defaulting to user installation because normal site-packages is not writeable
ERROR: Could not find a version that satisfies the requirement tensorflow-gpu==33.33 (from versions: 2.2.0, 2.2.1, 2.2.2, 2.2.3, 2.3.0, 2.3.1, 2.3.2, 2.3.3, 2.3.4, 2.4.0, 2.4.1, 2.4.2, 2.4.3, 2.4.4, 2.5.0, 2.5.1, 2.5.2, 2.5.3, 2.6.0, 2.6.1, 2.6.2, 2.6.3, 2.6.4, 2.6.5, 2.7.0rc0, 2.7.0rc1, 2.7.0, 2.7.1, 2.7.2, 2.7.3, 2.7.4, 2.8.0rc0, 2.8.0rc1, 2.8.0, 2.8.1, 2.8.2, 2.8.3, 2.8.4, 2.9.0rc0, 2.9.0rc1, 2.9.0rc2, 2.9.0, 2.9.1, 2.9.2, 2.9.3, 2.10.0rc0, 2.10.0rc1, 2.10.0rc2, 2.10.0rc3, 2.10.0, 2.10.1, 2.11.0rc0, 2.11.0rc1, 2.11.0rc2, 2.11.0, 2.12.0)
ERROR: No matching distribution found for tensorflow-gpu==33.33

可得当前最大版本为2.12.0;

选择tensorflow 2.11.0吧:

$ pip3 install tensorflow-gpu==2.11.0

 安装完成后的效果如图:

ubuntu 安装 jax jaxlib cpu 和 gpu 版本 以及 tensorflow tensorRT的安装

测试:

python3

>>> import tensorflow as tf

发现提示warning,需要安装TensorRT;

六,安装TensorRT

步骤:

1. 下载 8.6cudnn版的Linux x64 的 tar包, TensorRT-8.5.3.1.Linux.x86_64-gnu.cuda-11.8.cudnn8.6.tar.gz

在该网址下载 

https://developer.nvidia.com/nvidia-tensorrt-8x-download

2. 解压到对应cuda sdk版本的合适的位置

例如 /usr/local/cuda-11.8/

3. 设置环境变量

export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-11.8/TensorRT_sdk/TensorRT-8.5.3.1/lib
export TF_ENABLE_ONEDNN_OPTS=0

目前需要每次使用前单独执行这些命令;

——————

也可写入当前用户的~/.bashrc 文件的最后面

不过这样写还是没有通用性,一旦改为别的版本的 cuda 和 cudnn 以及 TensorRT的话,需要重新改写这些环境变量的值,特别是设置 TensorRT 的那句;

通用的方式可以使用软连接,创建一个类似/usr/local/cuda的软连接,在/usr/local/tensorRT,每次修改cuda的指向时,顺便修改tensorRT的指向;

4. 拷贝文件

在TensorRT的lib文件夹中,将 libnvinfer_plugin.so.7 拷贝成  libnvinfer_plugin.so.8

直接执行cp即可;因为tensorflow个别程序写的比较死,需要加载文件名为xxx.so.7的lib文件;

cp libnvinfer_plugin.so.8  libnvinfer_plugin.so.7

5. 安装python wheel

先查看python3的版本号:

python3 --version

返回3.8.10

进入wheel文件夹:

$ cd /usr/local/cuda-11.8/TensorRT_sdk/TensorRT-8.5.3.1/python
$ ls


 tensorrt-8.5.3.1-cp310-none-linux_x86_64.whl
 tensorrt-8.5.3.1-cp36-none-linux_x86_64.whl
 tensorrt-8.5.3.1-cp37-none-linux_x86_64.whl
 tensorrt-8.5.3.1-cp38-none-linux_x86_64.whl
 tensorrt-8.5.3.1-cp39-none-linux_x86_64.whl

根据 python3的版本,本机只需要安装 tensorrt-8.5.3.1-cp38-none-linux_x86_64.whl

版本对应:cp38  =》 3.8.10

$ sudo python3 -m pip install tensorrt-8.5.3.1-cp38-none-linux_x86_64.whl

6. 安装UFFwheel,为了 tensorflow中使用 TensorRT,

$ sudo python3 -m pip install uff-0.6.9-py2.py3-none-any.whl

类似这个样子:

ubuntu 安装 jax jaxlib cpu 和 gpu 版本 以及 tensorflow tensorRT的安装

7. 跑sample进行验证安装成功

因为要执行make,需要依赖 TensorRT的include/ *.h 文件; 官方采用的是相对路径;

这里有两个选择,

    1.  要么在用户文件夹中重新解压一次TensorRTxxx.tar.gz, 例如, /home/hanmeimei/ex_tensorRT/,然后跑到sample文件夹里 make

    2.  要么拷贝出来sample文件夹,修改里面的Makefile.conf文件的变量,找到inlude文件夹,然后 make ;

执行效果:

TensorRT_sdk/TensorRT-8.5.3.1/bin$ ./sample_onnx_mnist

为了节省时间,这里直接在/usr/local/cuda-11.8/TensorRT_sdk/中 sudo make 并执行;

效果如图:

ubuntu 安装 jax jaxlib cpu 和 gpu 版本 以及 tensorflow tensorRT的安装

TensorRT 官方安装参考:

https://docs.nvidia.com/deeplearning/tensorrt/install-guide/index.html#installing-tar

 而且 TensorRT是Nvidia的一个开源加速库,repo在:

https://github.com/NVIDIA/TensorRT

——————————————————————————————————

七,重新测试tensorflow

保存并运行:line.py

import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
 
trainx=np.linspace(-1,1,100)
trainy=2*trainx+np.random.randn(*trainx.shape)*0.3
#y=2x with noise
plt.plot(trainx,trainy,'ro',label='original data')
plt.legend()
plt.show()
 
 
X=tf.placeholder("float")
Y=tf.placeholder("float")
w=tf.Variable(tf.random_normal([1]),name="weight")
b=tf.Variable(tf.zeros([1]),name="bias")
z=tf.multiply(X,w)+b
 
cost=tf.reduce_mean(tf.square(Y-z))
learning_rate=0.01
optimizer=tf.train.GradientDescentOptimizer(learning_rate).minimize(cost)
 
trainepoch=20
displaystep=2
 
plotdata = { "batchsize": [] , "loss": [] }
def moving_average(a, w=10):
    if len(a) < w: 
        return a[:]    
    return [val if idx < w else sum(a[(idx-w):idx])/w for idx, val in enumerate(a)]
 
saver=tf.train.Saver()
with tf.Session() as sess:
    init=tf.global_variables_initializer()
    sess.run(init)
    
    for epoch in range(trainepoch):
        for (x,y) in zip(trainx,trainy):
            sess.run(optimizer,feed_dict={X:x,Y:y})
 
        if epoch%displaystep==0:
            loss=sess.run(cost,feed_dict={X:trainx,Y:trainy})
            print("epoch:",epoch+1,"cost=",loss,"w=",sess.run(w),"b=",sess.run(b))
            if not(loss=="NA"):
                plotdata["batchsize"].append(epoch)
                plotdata["loss"].append(loss)
                
    print("Finished!")
    print("cost=",sess.run(cost,feed_dict={X:trainx,Y:trainy}),"w=",sess.run(w),"b=",sess.run(b))
    saver.save(sess,"D:/CUDA/tensorflow_exam/study/3tensorflow-practice/the3rdmodel")

如果系统却类似matplotlib的话,使用pip3 安装:

$ sudo pip3 install matplotlib

运行:

$ python3 ./line.py

ubuntu 安装 jax jaxlib cpu 和 gpu 版本 以及 tensorflow tensorRT的安装文章来源地址https://www.toymoban.com/news/detail-457146.html

到了这里,关于ubuntu 安装 jax jaxlib cpu 和 gpu 版本 以及 tensorflow tensorRT的安装的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 【1】如何安装和卸载tensorflow-CPU和GPU各版本-可能不快的但是简单版

    学习随笔,权作记录。 打开Anaconda prompt(Anaconda3) 检查当前环境下python的版本 根据python的版本,创建虚拟环境pachong 按“y”,再按回车即可。 输入conda info -e,查看全部的环境,可以看到pachong环境已经创建完成。 在base环境下输入conda activate pachong,即可进入pachong环境 讲镜

    2023年04月08日
    浏览(36)
  • ubuntu22.04下使用conda安装pytorch(cpu及gpu版本)

    本文介绍了conda下安装cpu、gpu版本的pytorch;并介绍了如何设置镜像源 系统:ubuntu22.04 显卡:RTX 3050 依赖工具:miniconda 注意:默认conda安装pytorch的是cpu版本,如需要安装GPU版本的,注意直接看后面 创建一个新conda环境 新创建的环境不包含任何依赖可以使用 conda list 查看一下

    2024年02月20日
    浏览(38)
  • 十分钟安装Tensorflow-gpu2.6.0+CUDA12 以及numpy+matplotlib各包版本协调问题

    换了台机器,又装Tensorflow,记得我第一次装的时候装了好几天,而今天只用了十分钟就搞定了,因为这个方法只用在终端操作,不用去英伟达官网下载包,刷刷刷的贼快,只是后面去找版本的对应问题了又花了些时间 为了高效下载,建议先把默认源换了,很简单这里不再赘

    2024年02月04日
    浏览(53)
  • tensorflow1 tensorflow 2 安装配置(cpu+gpu)windows+linux

    tensorflow1和2的安装部署,演示2.14版本(最新是2.15版本) windows和linux用法一致,我是在win10和ubuntu2204下都手动测试过的 本文使用的conda的方式,2023年12月10日更新 如果中间有任何报错,参考最后一节的处理 链接:tensorflow官网 注意:如果因为网络问题出现错误或卡住,多次尝

    2024年02月04日
    浏览(47)
  • tensorflow-gpu安装100%成功(tensorflow-gpu版和tensorflow-cpu版的区别、为什么要创建虚拟环境、如何同时使用两个gpu库、tensorflow-gpu版安装)

    1.tensorflow-gpu版和tensorflow-cpu版的区别 tensorflow-gpu版需要同时配置安装CUDA、cuDNN,而tensorflow-cpu版不需要配置,直接 pip/conda install tensorflow 即可安装tensorflow-cpu版本 2.为什么要创建虚拟环境 在安装gpu版本的库时通常会创建单独的虚拟环境,例如安装tensorflow-gpu,则需要利用 cond

    2024年02月08日
    浏览(57)
  • tensorflow1 tensorflow 2 安装配置(cpu+gpu)windows+linux 新版2.12+

    tensorflow1和2的安装部署,演示2.14版本(最新是2.15版本) windows和linux用法一致,我是在win10和ubuntu2204下都手动测试过的 本文使用的conda的方式,2023年12月10日更新 如果中间有任何报错,参考最后一节的处理 链接:tensorflow官网 注意:如果因为网络问题出现错误或卡住,多次尝

    2024年02月12日
    浏览(43)
  • Ubuntu——系统版本、显存、CPU型号、GPU型号查询

    一、系统版本查询 二、CPU信息查询 三、显存查询 四、GPU显卡信息查询 查询结果如下:系统版本为Ubuntu 20.04.6 LTS 如上图所示,本机的CPU型号信息为 i7-11700k 如上图所示,其显存为12G(12050MiB) 如下图所示,NVIDIA GeForce RTX 3080 Ti 即为本机显卡型号信息

    2024年02月06日
    浏览(48)
  • Tensorflow CPU版本安装

    1.在开始任务栏中找到Conda Prompt(图1),并打开,打开效果见图2。 图 1​​​​ 图 2 2.创建tensorflow的虚拟环境,输入命令 conda create -n name python=x.x,其中name表示想要创建虚拟环境的名称,python后的x.x表示在虚拟环境下想要使用的python版本,输入命令后回车即可,结果图如图

    2023年04月08日
    浏览(32)
  • Tensorflow2 GPU版本-极简安装方式

    1、配置conda环境加速 https://wtl4it.blog.csdn.net/article/details/135723095 https://wtl4it.blog.csdn.net/article/details/135723095 2、tensorflow-gpu安装

    2024年01月21日
    浏览(43)
  • 【AI学习笔记】TensorFlow GPU版本的安装(超详细)

    在安装之前,首先我们要确认现有的或预定要采购的独立显卡是否支持CUDA,具体操作如下: 查看支持CUDA的显卡,如下图: 具体可到网站 https://developer.nvidia.com/cuda-gpus 查询。 查看显卡 打开任务管理器(Ctrl+Shift+Esc)——“性能”——点击“GPU”,即可查看显卡名称(下图右

    2024年02月05日
    浏览(36)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包