安装tensorflow-gpu 1.12.0

目录

项目场景：

问题描述1

CUDA版本不匹配，需要重新安装

解决方案1：

额外安装其他版本的CUDA，并实现版本自由切换。

问题描述2：

1. cuDNN包解压后的cudnn.h文件无法复制到目标文件夹中

2. 如何查看是否会到最初版本的CUDA

解决方案2：

1. cudnn.h无法复制

2. 回到最初版本的CUDA

问题描述3：

tensorflow-gpu 1.12.0安装不断出现意外

解决方案3：

1. 方式一（更推荐方式二，下载速度翻倍）

 2. 方式二

最终测试

---

---

项目场景：

现在需要在NVIDIA RTX3090显卡上运行一个tensorflow 1.x的程序，具体配置如下：

版本选择越新越好，因此选择安装tensorflow-gpu 1.12.0。在安装的过程中，陆续会碰到三个问题，我将在下面依次列出并给予解答。

---

问题描述1

CUDA版本不匹配，需要重新安装

在安装tensorflow-gpu 1.12.0之前，需要查看该版本的tensorflow所需搭配的CUDA 和cuDNN版本如下：

使用nvidia-smi命令查看当前CUDA版本为11.2：

因此需要在非root条件下，为当前用户额外安装CUDA 9.0和对应的cuDNN 7.1，否则tensorflow 1.12.0根本无法使用。例如，在python交互式命令行中引入tensorflow如下：

import tensorflow

会得到以下报错信息：

这就提示我们需要在CUDA 9.0的环境下才能正常使用tensorflow-gpu 1.12.0。

---

解决方案1：

额外安装其他版本的CUDA，并实现版本自由切换。

强烈推荐这篇博客：

非root用户在linux下安装多个版本的CUDA和cuDNN（cuda 8、cuda 10.1 等）_随性拂尘倾心的博客-CSDN博客按照他的步骤去做就能很顺利地在多个CUDA版本间自由切换了。

---