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。

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 - <<EOF
import tensorflow as tf
print(tf.__version__, tf.test.is_built_with_gpu_support())
print(tf.config.list_physical_devices('GPU'))
EOF

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

<!-- jupyter kernelspec list jupyter kernelspec remove tf -->

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/ ：

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，可以关注亿速云行业资讯频道了解更多相关知识。