Вопрос или проблема
Я хочу создать виртуальную среду с помощью anaconda для python 3, в которой я смогу использовать конкретную версию tensorflow-gpu.
Моя базовая версия conda python – 3.6.8, а базовая версия tensorflow-gpu – 1.10.1.
Я хочу создать среду с python 3.6.9 и tensorflow-gpu 1.11.0.
Я использую Ubuntu 18.04.
Для этого я запускал следующий код в моем bash:
$ conda create --name test_env python=3.6.9
$ conda activate test_env
Однако, когда я открываю консоль python и проверяю версию tensorflow, она мгновенно показывает 1.10.1, что является версией tensorflow-gpu моей базовой среды conda.
Python 3.6.9 |Anaconda, Inc.| (default, Jul 30 2019, 19:07:31)
[GCC 7.3.0] на linux
Введите "help", "copyright", "credits" или "license" для получения дополнительной информации.
>>> import tensorflow as tf
>>> tf.__version__
'1.10.1'
Проблема, похоже, возникает только с пакетом tensorflow. Другие модули, такие как keras, выдают ожидаемую ошибку ModuleNotFoundError
, когда я пытаюсь их импортировать после создания среды test_env.
Даже если я устанавливаю конкретную версию tensorflow с помощью следующей команды, версия tensorflow по-прежнему остается 1.10.1.
$ conda install tensorflow-gpu==1.11.0
Когда я использую conda list
, он (только) показывает целевую версию tensorflow-gpu:
tensorflow-gpu 1.11.0 h0d30ee6_0
У вас есть идеи, как использовать версию tensorflow-gpu 1.11.0 в новой виртуальной среде?
Вы можете создать среду conda и установить все необходимые пакеты одновременно:
$ conda create --name test_env python=3.6 tensorflow==1.11
Ответ или решение
Создание виртуальной среды с TensorFlow GPU в Anaconda
Создание виртуальной среды с определенной версией tensorflow-gpu
может вызывать некоторые сложности, особенно если ожидаемая версия не загружается корректно. В данном случае вы столкнулись с ситуацией, когда в вашей вновь созданной среде test_env
не устанавливается нужная версия TensorFlow, а вместо этого загружается версия из базовой среды Anaconda. Рассмотрим решение данной проблемы подробно.
1. Создание новой виртуальной среды
Первый шаг заключается в создании виртуальной среды с необходимой версией Python и установки TensorFlow. Убедитесь, что все команды выполняются в вашем терминале. Используйте следующий код для создания новой среды и установки Python и TensorFlow одновременно:
conda create --name test_env python=3.6.9 tensorflow-gpu=1.11.0
Это команда создаст среду test_env
и сразу установит нужную версию TensorFlow GPU.
2. Активирование среды
После создания среды необходимо активировать её:
conda activate test_env
Убедитесь, что в данный момент вы находитесь именно в своей новой среде, запустив:
which python
Эта команда должна указывать на путь к Python в директории вашей новой среды.
3. Установка TensorFlow после создания
Если вы уже создали среду и хотите установить TensorFlow позже, используйте следующую команду:
conda install tensorflow-gpu=1.11.0
Обратите внимание, что при установке версий в conda
иногда могут возникать конфликты зависимостей. Чтобы избежать таких проблем, периодически рекомендуется обновлять conda
:
conda update conda
4. Проверка версии TensorFlow
Для проверки установленной версии TensorFlow, откройте Python в вашей новой среде:
python
И затем выполните следующие команды:
import tensorflow as tf
print(tf.__version__)
Ожидаемым результатом должно быть 1.11.0
. Если вы снова видите 1.10.1
, значит, TensorFlow из базовой среды каким-то образом все еще загружается.
5. Устранение проблемы с использованием базового окружения
Если проблема не решается, вероятно, ваша новая среда использует некоторые настройки из базового окружения. Рекомендуется проверить переменные окружения. Убедитесь, что не задана переменная PYTHONPATH
, которая может указывать на базовую среду. Чтобы проверить, выполните:
echo $PYTHONPATH
Если переменная установлена, вы можете временно сбросить её или удалить следующим образом:
unset PYTHONPATH
6. Заключение
Финальной проверкой должно быть открытие Jupyter Notebook
, если вы его используете, и запуск кода для импорта TensorFlow в новой среде. Запросите результаты версии, чтобы подтвердить корректную установку.
Убедитесь, что вы следуете всем шагам и производите установку в активированной среде. Удачи с вашей работой в TensorFlow
!