Linux配置TensorFlow环境

cuda 11.2 + cudnn 8.1.0 + tensorflow 2.6.0

cuda、cudnn、TensorFlow 版本需匹配 可查看网址

在 Windows 环境中从源代码构建  |  TensorFlow

一、cuda 11.2 安装

安装之前可以先检查一下是否已安装cuda 避免重复安装

nvcc -V

若显示如下图 则可以放心安装

1. 查询自己显卡的版本和最高支持的CUDA版本

nvidia-smi

 如下图  我的显卡驱动版本是460.56，最高支持CUDA11.2

2. 打开cuda官网

CUDA Toolkit 11.2 Downloads | NVIDIA Developer

可能需要先注册登录

选择适合的版本

 选好后出现下面两行安装命令

3. 下载cuda

wget https://developer.download.nvidia.com/compute/cuda/11.2.0/local_installers/cuda_11.2.0_460.27.04_linux.run

4. 安装

sudo sh cuda_11.2.0_460.27.04_linux.run

sudo命令需要输入权限密码，然后根据提示一步步安装

已有驱动 可以取消安装Driver 

 出现以下提示信息就安装好了  可以看到cuda安装地址为/usr/local/cuda-11.2/

5. 验证是否安装成功

nvcc -V

若如下图 则成功

 二、cudnn安装

1. 打开cudnn官网

cuDNN Archive | NVIDIA Developer

下载这三个文件

2. 安装

#依次安装
sudo dpkg -i libcudnn8_8.1.1.33-1+cuda11.2_amd64.deb
sudo dpkg -i libcudnn8-dev_8.1.1.33-1+cuda11.2_amd64.deb
sudo dpkg -i libcudnn8-samples_8.1.1.33-1+cuda11.2_amd64.deb

 3. 查看cudnn是否安装成功

cat /usr/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

下图 显示安装成功 版本8.1.0

三、TensorFlow安装

 1. 创建虚拟环境

conda create -n tensorflow python==3.8

2. 激活刚创建的环境

conda activate tensorflow

3. 安装TensorFlow-2.6.0

pip install tensorflow-gpu==2.6.0

4. 检验是否安装成功

python
import tensorflow as tf
tf.__version__ 
tf.test.is_gpu_available()

若返回TRUE 则安装成功

 5. 退出虚拟环境

conda deactivate tensorflow

参考blog：

在linux系统上使用conda 安装GPU版本TensorFlow-GPU（详细步骤）_Peyzhang的博客-CSDN博客_conda tensorflow-gpu

【Linux】安装CUDA 11.2 和 cuDNN 8.4.0并检查是否安装成功_TangPlusHPC的博客-CSDN博客_linux查看cudnn是否安装成功