本文使用系统环境安装
一定要用Anaconda!
一定要用Anaconda!一定要用Anaconda!一定要用Anaconda!
显卡驱动
我的电脑时 联想拯救者Y7000 2019, 显卡是 GTX 1650, 我安装的显卡驱动 是 Deepin软件 包的,CUDA也是 Deepin包里默认的
sudo apt install nvidia-driver
sudo apt install nvidia-cuda-toolkit
Anaconda
官网或者镜像都可以,安装就是了
cuDnn
我是使用tar包安装的,对于 deepin 20.8 (基于debian10)找不到对应的deb包,所以别用deb(也可能是我的问题)。
官方指导
先下载对应 cuda 版本的 cudnn tar包
我的cuda是11.6
像下面这样
- 切换到包含cudnn的目录。
- 解压缩 cuDNN 包。
tar -xvf cudnn-linux-x86_64-8.x.x.x_cudaX.Y-archive.tar.xz
- 将以下文件复制到 CUDA 工具包目录中。
sudo cp cudnn-*-archive/include/cudnn*.h /usr/local/cuda/include
sudo cp -P cudnn-*-archive/lib/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*
添加环境变量(缺少libcudnn.so.8)
在~/.bashrc 中添加
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda
# 似乎直接创建就行,不用拼接
不添加环境变量的话,使用gpu 的时候就会报错 : 缺少:libcudnn.so.8文件
创建并激活虚拟环境
conda create -n XXX python=3.7 # 我使用的是3.7 对应的tensorflow版本是 2.1.0
conda activate XXX
安装Tensorflow
在你创建的虚拟环境中
conda install tensorflow-gpu==2.1.0 # 这是我使用的版本,可以自行选择,不过注意和python版本匹配
# conda 会自动安装tensorflow 相关的库
测试
python
import tensorflow as tf
tf.test.is_gpu_available()
# 最终返回true即可使用
Pycharm 环境变量配置
完成上述内容后,在Pycharm中选择现有的conda环境XXX,你发现仍旧不能正常使用GPU
这时候需要在
同样添加环境变量即可
LD_LIBRARY_PATH=/usr/local/cuda/lib64