ubuntu22.04安装miniconda以及tensorflow-gpu
本文旨在记录个人学习过程。同时也希望能够对跟我遇到一样问题的朋友提供一定帮助。
本人本次安装的基本配置如下：
| 软硬件名称 | 版本 |
| ubuntu系统 | 22.04 |
| 显卡 | 1650ti |
| cuda | 12.4 |
| cudnn | 8.9.6 |
| miniconda | 23.10.0 |
| python | 3.9.21 |
| tensorflow | 2.16.2 |
输入nvidia-smi查看电脑所支持的最大cuda版本。
nvidia-smi
输入nvcc -V查看cuda版本。
nvcc -V
输入cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2 查看cudnn版本。
cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2
若是cuda和cudnn没有安装好，则建议先安装cuda和cudnn，nvidia等。cuda和cudnn安装我目前没有出教程，各位自行搜索安装。
一、miniconda安装
此处也可以安装anaconda，但是本人是双系统，在ubuntu分配的存储空间不多，所以选用miniconda。anaconda和miniconda本质同一个软件，区别主要是空间占用大小以及各种包的初始完整性。
官方链接：Anaconda Documentation — Anaconda documentation
清华源镜像链接：Index of /anaconda/miniconda/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror
本人使用清华源镜像下载安装，大家可以自行选取。
这个版本大家自行选择，其中py310是miniconda的base环境的python版本，23.11.0是miniconda的版本，Linux就是你的系统，x86_64 是系统架构。可以使用如下指令查看架构：
uname -m
我的是x86_64架构，所以下载后缀是x86的。下载好以后，进行安装，输入如下指令：
sudo bash Miniconda3-py38_23.10.0-1-Linux-x86_64.sh- 安装过程，会让你阅读许可信息。可以一直按回车，会提示你输入“yes or no”等信息来判断是否继续安装。输入 yes，继续安装
- 然后会提示你选择安装路径，此处可以直接按回车键，安装到默认地址就可以了。（此处注意一下不要将miniconda安装到root目录里，我也不知道为什么，第一次我装到那里了，第二次就正常了。当时没有记录，所以没找原因。）
- 最后安装程序会询问是否要将 Miniconda 的安装路径添加到你的
$PATH环境变量中。输入“yes”，后续就不需要自己添加环境变量。
安装好以后可以重启电脑，也可以关闭终端，重启终端。
sudo reboot #重启系统重启后可以查看终端命令行提示符中是否出现base字样。输入conda --version查询conda版本。
conda --version #查询conda版本，同时验证miniconda是否安装成功
二、创建python环境
为了方便后续项目隔离，以及避免环境中包依赖冲突，个人认为分开管理便于初始学习。所以选择新建一个python环境。输入如下指令：（其中tf是你自己给你的python环境起的名字，自行选择，我是为了便于管理tensorflow和后续的pytorch， python=3.9就是你下载的python版本，可以是3.9，3.8，3.10等）
conda create -n tf python=3.9
输入后回车，然后输入“yes”进行安装。安装好后输入如下指令进入python环境:
conda activate tf
指令输入完查看命令行提示符前面的虚拟环境（初始是base，指令输入后会变成tf（你的虚拟环境名字）），若是正确则进入到下一步。此处输入如下指令，进行tensorflow-gpu版本的安装。
pip install tensorflow==2.16.2 -i https://pypi.tuna.tsinghua.edu.cn/simple some-package
此处要注意cuda，cudnn与tensorflow的关系，若是不兼容，就会安装失败。再次声明，我的cuda是12.4，cudnn是8.9.6。所以下载2.16.2版本的tensorflow。
这是经过本人一下午一个一个版本测试安装成功的结果。若是各位安装遇到问题，还希望各位指正。
还有一点需要注意的是，tensorflow1.x的版本中安装gpu版和cpu版是不同的（tensorflow是cpu版，tensorflow-gpu是gpu版），GPU版本需要后缀GPU，但是2.x版本以后安装就不需要加后缀gpu了，直接使用tensorflow即可。
tensorflow依赖关系可以查看这篇文章：Tensorflow与Python、CUDA、cuDNN的版本对应表_python3.12对应的tensorflow-CSDN博客
本人不做过多赘述。（因为我也是新手，不懂）
三、tensorflow-gpu版本验证
首先切换到你安装tensorflow的虚拟环境下，输入python进入python解释器：
python
然后，输入如下指令验证：
import tensorflow as tf
print("TensorFlow 导入成功，版本是", tf.__version__)
输入print(tf.test.is_gpu_available())判断gpu版本是否安装成功。
print(tf.test.is_gpu_available())若返回是true，则代表安装成功，若是false，则是失败。
最后，还可以输入测试张量的代码来验证一下，是否可以计算。
# 创建两个张量
a = tf.constant([1.0, 2.0, 3.0])
b = tf.constant([4.0, 5.0, 6.0])
# 进行加法运算
c = a + b
# 打印结果
print("运算结果：", c.numpy())
若结果一样则说明安装成功。不过我目前貌似还差点东西，只是可以使用tensorflow-gpu版本了，还需自行安装TensorRT，若是TensorFlow 在运行时没有找到 TensorRT 库，则TensorFlow 在推理阶段无法利用 TensorRT 进行加速。
若是安装完毕跟我一样有很多警告，可以复制然后询问一下豆包，deepseek，chatgpt等ai工具是什么原因，在此感谢各位观看。
至此，安装完毕。
本次引用文章：
Linux(ubuntu) 安装-miniconda_miniconda安装ubuntu-CSDN博客
Ubuntu 上安装 Miniconda - 细节的温柔 - 博客园
Tensorflow GPU、CUDA、cudnn、显卡 中的依赖关系_tensorflow依赖表-CSDN博客
感谢上述文章的作者提供的帮助。
