linux服务器离线安装tensorflow_gpu
时间: 2025-05-21 19:58:19 浏览: 31
### 如何在 Linux 服务器上离线安装 TensorFlow-GPU
要在 Linux 服务器上离线安装 TensorFlow-GPU,可以按照以下方法操作:
#### 准备阶段
为了成功安装 TensorFlow-GPU,需要先准备好必要的依赖项。这些依赖项包括 CUDA Toolkit 和 cuDNN 库。
可以通过清华镜像源下载所需的 `cudatoolkit` 文件并手动安装到目标环境:
```bash
wget -P /path/to/save/files https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/linux-64/cudatoolkit-10.0.130-0.conda
conda install /path/to/save/files/cudatoolkit-10.0.130-0.conda [^1]
```
此命令会将指定版本的 CUDA 工具包下载至本地目录 `/path/to/save/files` 并通过 Conda 进行安装。
#### 创建独立的 Conda 环境
为了避免与其他 Python 软件冲突,建议创建一个新的 Conda 环境来安装 TensorFlow-GPU 及其依赖项。以下是创建新环境的示例代码:
```bash
conda create -n tf_gpu_env python=3.7
conda activate tf_gpu_env
```
上述命令用于创建名为 `tf_gpu_env` 的虚拟环境,并设置 Python 版本为 3.7 [^2]。
#### 下载 TensorFlow-GPU 包
由于是在离线环境中工作,因此需提前从官方渠道或其他可信来源获取 TensorFlow-GPU 的 `.whl` 文件。例如,可以从 PyPI 或其他镜像站点下载适合的目标文件(如适用于特定 CUDA 和 cuDNN 组合的 TensorFlow-GPU)。假设已下载好对应的 `.whl` 文件,则可通过 pip 命令完成安装:
```bash
pip install /path/to/tensorflow_gpu-<version>-cp37-cp37m-linux_x86_64.whl
```
此处 `<version>` 表示所选 TensorFlow-GPU 的具体版本号 。
#### 验证安装
最后一步是对安装好的 TensorFlow-GPU 执行验证测试,确认 GPU 支持功能正常运行。下面提供了一个简单的脚本来检测是否能够识别可用的 NVIDIA 显卡设备:
```python
import tensorflow as tf
if tf.test.is_built_with_cuda():
print("TensorFlow was built with CUDA support.")
else:
print("No CUDA support detected.")
print("Num GPUs Available: ", len(tf.config.list_physical_devices('GPU')))
```
如果一切配置无误,在终端执行以上 Python 脚本后应显示有至少一块 GPU 设备被发现 [^4]。
---
阅读全文
相关推荐


















