Main Page

Hauptseite:

Installation von Anaconda mit Tensorflow unter Windows 11 mit NVIDIA RTX 3060

Verweis zu den Installationshinweisen

1) Installation unter Windows 11 mit NVIDIA RTX 3060
a) Installation von Tensorflow im der Umgebung genannt "Erich":
a.a) Tensorflow und Keras haben die Versionsnummer 2.8.0
a.b) Cudnn hat die Versionsnummer 8.8.0.121
a.c) Cudatoolkit hat die Versionsnummer 11.2.2
a.d) Die Pythonversion ist 3.8.17

b) Installation von Pytorch in der virtuellen Umgebung genannt "Pytorch2", welche angeben soll, dass Pytorchversion 2.0.0 Verwendung findet:
https://medium.com/red-buffer/setting-up-pytorch-and-tensorflow-on-a-windows-machine-7b860855d9f8
!!NIcht!!Bei Pytorch statt der angegebenen Zeile : conda install pytorch torchvision torchaudio pytorch-cuda=11.2 -c pytorch -c nvidia
besser: pip install torch==1.8.0+cu111 torchvision==0.9.0+cu111 torchaudio==0.8.0 -f https://download.pytorch.org/whl/torch_stable.html oder
pip install torch==2.0.0+cu111 torchvision==0.9.0+cu111 torchaudio==0.8.0 -f https://download.pytorch.org/whl/torch_stable.html ?????Ging mal
conda install pytorch==2.0.0 torchvision==0.15.0 torchaudio==2.0.0 pytorch-cuda=11.8 -c pytorch -c nvidia !!!!!!!!!!!!!!!!!!!!!!!!!
pip install torch==2.0.0+cu117 torchvision==0.15.1+cu117 torchaudio==2.0.1 --index-url https://download.pytorch.org/whl/cu117 !!!! besser als eine Zeile weiter oben
pip install torch==2.0.1+cu118 torchvision==0.15.1+cu118 torchaudio==2.0.1 --index-url https://download.pytorch.org/whl/cu118 !!!Hat
funktioniert am 08.08.2023 mit torchtext==0.15.2 und torchdata==0.6.0, die als Bibliotheken nachzuinstallieren sind!!!!!!!!!!!!!

2) Anaconda-Dokumentation für Installation und Verwendung der Software - die Startseite
https://www.anaconda.com/installation-success?source=installer

3) Anaconda-Dokumentation für die Installation
https://docs.anaconda.com/free/anaconda/?souce=installation-success

4) Installation von Keras-Core, mit dessen Hilfe Pytorch ummantelt werden kann.
https://keras.io/keras_core/

Installation von Anaconda mit Tensorflow unter WSL 2 mit NVIDIA RTX 3060

1) Anweisung für zuerstige Installation von WSL2 und anschließende Bereitstellung für GPU-Unterstützung:
https://ubuntu.com/tutorials/install-ubuntu-on-wsl2-on-windows-11-with-gui-support#1-overview

 --Auch zu finden in:

 https://learn.microsoft.com/de-de/windows/wsl/basic-commands#install        ### Besonders wichtig: Datenträger (USB) hinzufügen über den Befehl mount!!!!

2) Setting up development tools :
https://tecadmin.net/install-development-tools-on-ubuntu/
--- Wichtig: gcc geht wohl nicht, kann jedenfalls bis jetzt noch nicht heruntergeladen werden:
-- g++ statt gcc mit:
https://code.visualstudio.com/docs/cpp/config-wsl

3) Installation von CUDA über Docker-Container, alternativer Weg zu 5) und 6)???
https://learn.microsoft.com/en-us/windows/wsl/tutorials/gpu-compute

Achtung: Beim Downloaden von Docker mit "curl https://get.docker.com | sh" lieber folgende Zeilen verwenden!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!:
sudo apt-get update
sudo apt-get install ca-certificates curl gnupg lsb-release
sudo mkdir -p /etc/apt/keyrings
curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo gpg --dearmor -o /etc/apt/keyrings/docker.gpg
echo "deb [arch=$(dpkg --print-architecture) signed-by=/etc/apt/keyrings/docker.gpg] https://download.docker.com/linux/ubuntu $(lsb_release -cs) stable" | sudo tee /etc/apt/sources.list.d/docker.list > /dev/null
sudo apt-get update
sudo apt-get install docker-ce docker-ce-cli containerd.io docker-compose-plugin

Achtung: Danach hängt es bei den Tensorflow-Beispielen, dann ist folgender Code zu verwenden - also bei Punkt 4:
distribution=$(. /etc/os-release;echo $ID$VERSION_ID) && curl -s -L https://nvidia.github.io/libnvidia-container/gpgkey | sudo apt-key add - && curl -s -L https://nvidia.github.io/libnvidia-container/$distribution/libnvidia-container.list | sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list
sudo apt-get update
sudo apt-get install -y nvidia-docker2
sudo systemctl restart docker
docker run --gpus all -it --shm-size=1g --ulimit memlock=-1 --ulimit stack=67108864 nvcr.io/nvidia/tensorflow:20.03-tf2-py3

Achtung: Dann muss der Treiber für Linux heruntergeladen werden:
https://www.nvidia.de/content/DriverDownloads/confirmation.php?url=/XFree86/Linux-x86_64/535.113.01/NVIDIA-Linux-x86_64-535.113.01.run&lang=de&type=geforcem
Der Link zur Installation: https://docs.nvidia.com/cuda/wsl-user-guide/index.html#installing-wsl2

Achtung: Installation des NVIDIA-Treibers für Ubuntu:
https://docs.nvidia.com/datacenter/tesla/tesla-installation-notes/index.html

Achtung: Prüfen, eventuell Download aller Komponenten des CUDA-Systems einzeln!!!!!!!!!!!
https://gist.github.com/denguir/b21aa66ae7fb1089655dd9de8351a202
!!!!!!!! Es ist aber auf jeden Fall noch cudaToolkit mit " sudo apt install nvidia-cuda-toolkit " herunterzuladen.

Achtung: Anschließend noch zu installieren:
sudo apt-get install libblas-dev liblapack-dev