30系显卡配置tensorflow1.x环境

2021-12-07 20:02:06 阅读：586 来源： 互联网

标签：tensorflow1 30 11.1 cudnn cuda 显卡 sudo 安装

说明：
nvidia 30系显卡仅支持cuda11.0及以上版本，对应cudnn最低版本为8.0，tf版本为2.4.0
在win系统中无法实现30系显卡运行tf1的代码

该教程使用的环境如下：

Ubuntu20.04
3060 显卡
cuda 11.1
cudnn 8.0.5
python 3.6
tensorflow 1.15
其中 python 版本和 tensorflow 版本是固定的

简陋的目录
安装显卡驱动
安装cuda
安装cudnn
安装python(直接略过，我使用的conda 里面创建了一个python3.6的虚拟环境)
安装tensorflow1.15

安装显卡驱动

# 依次执行以下命令
ubuntu-drivers devices		#查看电脑所需要的驱动
# 通过上述命令也可能返回为空什么都不显示，添加官方ppa的源，在更新以下
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update
sudo ubuntu-drivers autoinstall		#让其自动安装显卡驱动
#安装完成后通过nvdia-smi仍然无法查到显卡型号。重启一下。
#通过设置->软件更新->附加驱动里面查看选择相应的显卡驱动

安装 CUDA

在nvidia官网下载相应cuda文件
cuda文件链接
选择相应版本进行安装

#安装方式参考cuda官网即可
# 例：
wget https://developer.download.nvidia.com/compute/cuda/11.1.0/local_installers/cuda_11.1.0_455.23.05_linux.run
sudo sh cuda_11.1.0_455.23.05_linux.run

在安装时，由于事先已经安装了显卡驱动，因此此时不用选择显卡驱动选项
在这里插入图片描述
该页面输入accept

在这里插入图片描述该页面将第一个Driver取消勾选，然后执行最后的install

然后配置cuda环境变量
gedit ~/.bashrc 打开相应的文件，并在文件最后插入以下内容

# cuda-11.1 位置出改成自己对应的文件夹名称
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-11.1/lib64
export PATH=$PATH:/usr/local/cuda-11.1/bin
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda-11.1

保存文件，执行source ~/.bashrc激活环境
若执行nvcc -V成功，则配置完毕

安装 cudnn

cuda 与 cudnn版本对应关系自行网上搜索

需要注册账号,登陆才能下载

cudnn链接地址
以图中为例
在这里插入图片描述
下载deb文件进行安装，例如：

cuDNN Runtime Library for Ubuntu20.04 x86_64 (Deb)

cuDNN Developer Library for Ubuntu20.04 x86_64 (Deb)

cuDNN Code Samples and User Guide for Ubuntu20.04 x86_64 (Deb)

下载完毕之后进行安装

sudo dpkg -i libcudnn8_8.0.5.39-1+cuda11.1_amd64.deb
sudo dpkg -i libcudnn8-dev_8.0.5.39-1+cuda11.1_amd64.deb
sudo dpkg -i libcudnn8-samples_8.0.5.39-1+cuda11.1_amd64.deb
# 三个文件的安装顺序不能错

下面是cudnn测试,不测也可以

# 将cuDNN示例复制到可写路径
cp -r /usr/src/cudnn_samples_v8/ $HOME
# 进入到可写路径
cd  $HOME/cudnn_samples_v8/mnistCUDNN
# 编译mnistCUDNN示例
make clean && make
# 运行mnistCUDNN示例
./mnistCUDNN

安装conda以及python

略过

安装tensorflow1.15

pip install --upgrade pip
pip install nvidia-pyindex
pip install nvidia-tensorflow[horovod]
pip install nvidia-tensorboard==1.15

测试

import tensorflow as tf
import tensorboard

tf.enable_eager_execution()
a = tf.random.uniform([1000, 1000])
b = tf.random.uniform([1000, 1000])
print(tf.matmul(a, b))		# 检查输出即可

本文参考：

的本天行者同学
 weixin_43751285
谷米今天认路了吗

标签：tensorflow1,30,11.1,cudnn,cuda,显卡,sudo,安装
来源： https://blog.csdn.net/qq_39632866/article/details/121776117

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

ICode9