Ubuntu系统快速搭建Tensorflow+CUDA

摸索了两天两夜之后终于成功了，先上图

踩了无数坑，花费了大量时间装包卸包、重启系统、重装系统 ......因此，把摸索出来的正确步骤分享出来，供大家参考。

1. 软硬件要求

硬件：NVIDIA显卡

软件：Ubuntu18.04 LTS 或 Ubuntu20.04 LTS (我都测试过)

2. 安装显卡驱动（nvidia-driver-xxx）

如果在终端输入

nvidia-smi

后可以正常现实显卡信息，则可以跳过此步骤。否则，根据显卡型号，在NVIDIA官网

NVIDIA显卡驱动网站

找到对应的版本进行下载，例如，我的机器对应的驱动是NVIDIA-Linux-x86_64-550.100.run，用浏览器下载默认放在  ~/下载/ 路径里。下载完后，运行

sudo ./下载/NVIDIA-Linux-x86_64-550.100.run

然后按照提示进行安装，都选择yes即可。安装完后，用nvidia-smi命令测试可以成功显示显卡信息。

• 注释1：如果仍然没有成功显示，可以先退出终端，然后重新打开进行测试。如果还不行，则重启机器即可。
• 注释2：nvidia-smi命令得到的CUDA Version信息仅仅表示当前驱动能支持的CUDA Toolkit的最高版本，不代表已经安装了CUDA Toolkit

3. 安装CUDA（即CUDA Toolkit xxx）

安装前应根据编程需求先确定拟采用的tensorflow版本，然后找到匹配的cuda toolkit版本。例如，我要采用tensorflow==2.11.0版本，它不是较新的版本，那么可能不支持cuda toolkit 12.x系列。由此，我们判断出应安装cuda toolkit 11.x。

事实也的确如此，我安装了cuda toolkit 12后发现与tensorflow 2.11不匹配。所以又卸载重来，踩了很多坑！

为了安装cuda toolkit 11.x，首先访问NVIDIA网站

各个版本的CUDA Toolkit

我们选择11系列中的最高版本CUDA Toolkit 11.8，然后找到相应的命令并依次执行

wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/cuda-ubuntu1804.pin

sudo mv cuda-ubuntu1804.pin /etc/apt/preferences.d/cuda-repository-pin-600

wget https://developer.download.nvidia.com/compute/cuda/11.8.0/local_installers/cuda-repo-ubuntu1804-11-8-local_11.8.0-520.61.05-1_amd64.deb

sudo dpkg -i cuda-repo-ubuntu1804-11-8-local_11.8.0-520.61.05-1_amd64.deb

sudo cp /var/cuda-repo-ubuntu1804-11-8-local/cuda-*-keyring.gpg /usr/share/keyrings/

sudo apt-get update

sudo apt-get -y install cuda-11-8

这里需要特别注意的是，最后一行命令是我修改过的，而官网上给出的命令是sudo apt-get -y install cuda。经过测试，如果用官网的命令，则apt-get会自动把cuda toolkit 12系列的版本安装上，导致失败。所以一定要加上版本限定。

4. 重启与测试

安装完cuda toolkit后，一定要重启一下机器。然后用命令

nvidia-smi

nvcc -V

进行测试，如果都能正常显示则表明已安装成功。如果nvcc -V显示找到命令，那么说明之前没有配置过环境变量，此时打开 ~/.bashrc 文件

sudo vi ~/.bashrc 

在文件末尾添加两个语句

export PATH=/usr/local/cuda/bin:$PATH 
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH

然后在命令行输入

source ~/.bashrc

即可完成环境配置，此时再运行nvcc -V命令即可正确显示。

最后，在安装了tensorflow的环境中，运行

import tensorflow as tf

tf.constant([1,2])

tf.config.list_physical_devices('gpu')

来测试tensorflow是否与cuda匹配。