RTX3090+python3.6+tensorflow1.15虚拟环境配置

RTX3090+python3.6+tensorflow1.15虚拟环境配置

RTX3090不支持安装tensorflow1系官方版本。
nvidia-tensorflow包含tensorflow1.15的cpu和gpu版本，测试可用。

首先create虚拟环境

conda create -n 虚拟环境名称 python==3.6.7

p.s. python3.8应该也是可的
安装nvidia-tensorflow

pip install --user nvidia-pyindex

pip install --user nvidia-tensorflow

测试tensorflow-gpu是否可用：

import tensorflow as tf

print("Num GPUs Available: ", len(tf.config.experimental.list_physical_devices('GPU')))
或
print("Num GPUs Available: ", len(tf.config.experimental.list_physical_devices('XLA_GPU')))

输出：

蓝框部分：Skipping registering GPU devices… 意味着tensorflow-gpu不可用；红框内为报错即不可用原因：

W tensorflow/stream_executor/platform/default/dso_loader.cc:60] Could not load dynamic library 'libcublas.so.11'; dlerror: /home/d/anaconda3/envs/py38tf115/lib/python3.6/site-packages/tensorflow_core/python/../../nvidia/cublas/lib/libcublas.so.11: undefined symbol: cublasLtHSHMatmulAlgoInit, version libcublasLt.so.11; LD_LIBRARY_PATH: /usr/local/cuda-11.1/lib64:

可见：

1. dlerror，动态链接错误；
2. 涉及两个不一致路径，实际调用为第一个路径；系统动态链接路径LD_LIBRARY_PATH并未指向虚拟环境安装的libcublas.so.11。

因此：

export LD_LIBRARY_PATH=/home/用户名称/anaconda3/envs/虚拟环境名称/lib/python3.6/site-packages/nvidia/cublas/lib:$LD_LIBRARY_PATH

该命令为添加系统动态链接路径的临时生效方法，经测试，配置后tensorflow-gpu可用。

安装keras报错：

AttributeError: module 'tensorflow._api.v1.compat.v2' has no attribute '__internal__'

keras版本不匹配，解决：

pip install h5py==2.10.0

pip uninstall keras

pip install keras==2.3.1