Ubuntu 18.0.4配置Tensorflow 2.1.0 GPU环境 及 cuda&cuDNN版本查看（2020真实有效）

最近买了块Nvidia GeForce RTX 2070显卡，配置深度学习环境。环境是Ubuntu 18.0.4, Tensorflow 2.1.0, cuda 10.1.243, cuDNN 7.6.5。网上的资料基本全是陈旧的，查看cuDNN版本的部分全是错误的。因此记录备查（配置时间2020年6月24日）。

1. 安装显卡驱动

1. 从官网下载驱动

2. sudo init 3然后ctrl+alt+1进入字符模式。（这里网上都说直接ctrl+alt+1，实测无效）

3. 删除旧版驱动

   sudo apt-get remove –purge nvidia*
   sudo ./Nvidia…run -uninstall # 这里Nvidia…run指的是下载的驱动的名字
   

4. 禁用Ubuntu自带的Nouveau驱动

   sudo vim /etc/modprobe.d/blacklist-nouveau.conf
   

   在文档最后加入blacklist nouveau，然后执行以下命令使禁用生效并且重启。

   sudo update-initramfs -u
   sudo reboot
   

5. 执行下载的驱动，只要执行了上面的步骤，提示什么都别管，全部选继续进行或者选no。使用nvidia-smi确认安装成功。

   Wed Jun 24 13:09:30 2020       
   +-----------------------------------------------------------------------------+
   | NVIDIA-SMI 450.36.06    Driver Version: 450.36.06    CUDA Version: 11.0     |
   |-------------------------------+----------------------+----------------------+
   | GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
   | Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
   |                               |                      |               MIG M. |
   |===============================+======================+======================|
   |   0  GeForce RTX 2070    On   | 00000000:01:00.0  On |                  N/A |
   |  0%   40C    P8     8W / 175W |    446MiB /  7979MiB |      1%      Default |
   |                               |                      |                  N/A |
   +-------------------------------+----------------------+----------------------+
                                                                                  
   +-----------------------------------------------------------------------------+
   | Processes:                                                                  |
   |  GPU   GI   CI        PID   Type   Process name                  GPU Memory |
   |        ID   ID                                                   Usage      |
   |=============================================================================|
   |    0   N/A  N/A      1457      G   /usr/lib/xorg/Xorg                 18MiB |
   |    0   N/A  N/A      1576      G   /usr/bin/gnome-shell               79MiB |
   |    0   N/A  N/A      2249      G   /usr/lib/xorg/Xorg                124MiB |
   |    0   N/A  N/A      2408      G   /usr/bin/gnome-shell              217MiB |
   |    0   N/A  N/A      3832      G   /opt/firefox/firefox-bin            2MiB |
   +-----------------------------------------------------------------------------+
   

2. 安装cuda和cuDNN

1. 在本地环境安装，直接按照Tensorflow官网（
   https://tensorflow.google.cn/install/gpu#install_cuda_with_apt）的方法进行安装。

2. 如果使用虚拟环境，推荐使用miniconda，因为可以自动安装cuda和cuDNN并且不会和本地环境的cuda和cuDNN冲突。miniconda的安装参考这篇博客（https://www.jianshu.com/p/edaa744ea47d）。

   conda install tensorflow-gpu
   

3. 查看安装的cuda和cuDNN版本

1. 在本地环境安装的查看办法。

   # cuda 版本
   cat /usr/local/cuda/version.txt
   # CUDA Version 10.1.243
   
   # cudnn 版本
   #（这里网上都说`cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2`，实测无效）
   cat /usr/include/cudnn.h | grep CUDNN_MAJOR -A 2
   # #define CUDNN_MAJOR 7
   # #define CUDNN_MINOR 6
   # #define CUDNN_PATCHLEVEL 4
   # --
   # #define CUDNN_VERSION (CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL)
   #
   # #include "driver_types.h"
   
   # 这个结果就表示我的CUDA版本为10.1.243, cuDNN版本为7.6.4
   

2. 在miniconda里安装的查看办法。

   conda list | grep cuda
   # cudatoolkit               10.1.243             h6bb024c_0    defaults
   # cudnn                     7.6.5                cuda10.1_0    defaults