1.安装CUDA11.0
1.官网下载CUDA11.0
我采用的是runfile
wget wget http://developer.download.nvidia.com/compute/cuda/11.0.2/local_installers/cuda_11.0.2_450.51.05_linux.run
sudo sh cuda_11.0.2_450.51.05_linux.run
填写accept
然后去掉Driver(不需要安装驱动)
yes
2.更新系统
sudo apt-get update
sudo apt-get upgrade
3.配置环境变量
执行命令
vim ~/.bashrc
增加环境变量
export CUDA_HOME=/usr/local/cuda
export PATH=$PATH:$CUDA_HOME/bin
export LD_LIBRARY_PATH=/usr/local/cuda/lib64
使环境变量生效
source ~/.bashrc
查看是否生效
nvcc -V
或 cat /usr/local/cuda/version.txt
2.安装CUDnn8.0.5
由于官网下载要求先注册Nvidia,比较麻烦,可以参考:
绕过Nvidia官方要求的注册或登陆步骤直接下载cuDNN的方法
把下载好的include和lib64内的文件分别放到对应位置
最后检测cudnn是否配置成功
cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2
3.开始配置tensorflow2.4环境
1.创建环境
conda create -n tf2.4 python=3.7
激活自己的环境
source activate tf2.4
2.安装tensorflow-gpu2.4
pip install tensorflow-gpu==2.4 -i http://pypi.douban.com/simple --trusted-host pypi.douban.com
3.快速测试(自己创建的环境下)
python
import tensorflow as tf
print(tf.__version__)
print('GPU', tf.test.is_gpu_available())
输出True就没有问题了
tf.config.list_physical_devices()
列出可用设备,查看是否有GPU
如果加载动态链接库警告so.10,增加软链接即可解决。
sudo ln -s /usr/local/cuda-11.0/targets/x86_64-linux/lib/libcusolver.so.11 /usr/local/cuda/lib64/libcusolv