【16】RTX3090深度学习环境搭建（ubuntu18.04）

参考链接：

• 官方文档：https://tensorflow.google.cn/install/source
• https://www.jianshu.com/p/09ef0ad2ef4a
• https://blog.csdn.net/lsqtzj/article/details/108899430

版本匹配问题：

• ubuntu18.04+cuda11.1+cudnn8.1.1+anaconda3
• tensorflow只支持到cuda11.0(实测中cuda11.0不支持3090)，要自己编译tensorflow(具体步骤参考官方文档)

bensorflow编译过程中报错：

• 网络不好，会报连接超时的错误
  解决方案：将代码中的那个"https://github.com"替换为"https://hub.fastgit.org"（ctrl+H）;
  更换网络

code WORKSPACE
code tensorflow/workspace.bzl
code third_party/aws/workspace*

• tensorflow编译过程中电脑卡死（试了几遍，都出现了卡死的情况，不得不强制重启
  我认为应该是任务量太大，cpu卡死，于是手动设置任务量和占用内存：

bazel build --config=cuda --jobs HOST_CPUS*0.5 --local_ram_resources=HOST_RAM*05 //tensorflow/tools/pip_package:build_pip_package

--jobs HOST_CPUS*0.5                     					#开cpu 0.5倍数量的任务数
--local_ram_resources=HOST_RAM*0.5      	#使用50%的内存

• 编译完成后，构建软件包（确保在需要安装的anaconda虚拟环境中）

./bazel-bin/tensorflow/tools/pip_package/build_pip_package --nightly_flag /tmp/tensorflow_pkg

• 安装生成的软件包

cd /tmp/tensorflow_pkg/
ls
pip install tf_nightly-2.5.0-cp36-cp36m-linux_x86_64.whl

• 测试运行
  打开pyCharm，选择之前安装的虚拟环境，输入以下代码运行，结果如下（正确显示显卡信息并且调用成功）：

import tensorflow as tf

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