服务器配置tensorflow-gpu2.6.0

项目场景：

运行sktime-dl需要用到tensorflow-gpu2.6 ，服务器上有conda环境。但是cuda与cudnn版本号出了问题，下面记录一下过程。

---

问题描述：

查看机器信息：

1. 查看cuda版本 11.4

   1. 方法一 : 在路径下查看 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA
   2. 方法二：
      - - nvcc -V
      - - v11.4 （管理人员告知）

2. 查看tensorflow版本
   pip list tensorflow

   – 2.6.0

3. 查看cudnn版本 8.2.2 (学姐告知)

   • C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\include\cudnn.h

   • 另外新版本cudnn要用
     cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2来查看版本

   • linus下用这个命令

     cat /usr/local/cuda-11.4/include/cudnn_verison.h | grep CUDNN_MAJOR -A 2

     

   查看cuda与tensor对应版本

---

问题：

服务器上的cuda为11.4，cudnn为8.2.2 而tensorflow与tensorflow-gpu没有与之对应版本。

（tensorflow-gpu目前最高的发行版本2.6.0 对应的
cuda==11.2，cudnn ==8.1.0）

---

解决方案：

Anconada为我们提供了cuda和cudnn的虚拟环境的安装，只需要在conda环境中安装好cuda与cudnn对应版本就ok了

conda install cudatoolkit=8.1.0 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/linux-64/
conda install cudnn=8.1.0 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/linux-64/

对应版本号请自行上官网找到对应的修改，然后使用conda search cudatoolkit 来查看确认conda是否支持安装此版本。

测试tf-gpu

import tensorflow as tf
print('GPU', tf.test.is_gpu_available())

返回True则代表可以了