Ubuntu20.04 + anaconda + tensorflow-gpu + pytorch深度学习环境配置

由于我的笔记本上没有nvidia显卡，所以我在台式机上配置深度学习环境，这一过程整整花费了我4天时间，前两天在库库装linux系统（因为那台台式机已经数年没使用了），后边花了2天配好了ssh+tensorflow+anaconda学习环境。由于配置过程参考了许多博客，此处就将参考的博客记录下来，以便以后回看。

---

本机配置

Ubuntu 20.04

NVIDIA GeForce RTX 2080

pytorch-gpu的配置

翻遍全网，我找到了一个过程完整，很流畅的博客——Ubuntu20.04下深度学习环境配置，我跟着这个博客完成了下图中的步骤。（如果你有gpu可以直接跳过第四项）。

注意：

在安装cudnn后，如何检测cudnn是否安装成功，可以使用Ubuntu 20.04，cuda 12.4安装对应的cuDNN中的代码来检测

cat /usr/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

tensorflow-gpu的配置

网上有很多人说tensorflow的版本对cuda、cudnn版本有很强的关联性，我到处搜罗一步一步安装cuda、cudnn、tensorflow的博客，但是安装后还是会出现各种问题。后来，我尝试用conda一键安装tensorflow，居然成功了，下面是我的安装过程。

首先创建一个环境：

conda create -n tensorflow-gpu python=3.6

上述的tensorflow-gpu、以及puthon版本可以自行切换，我用3.6的原因是，我要运行的程序需要用到tensorflow1.X。

此处推荐使用Build from source | TensorFlow这一网站来查看tensorflow和cuda等的版本对应。

创建好后，进入环境：

conda activate tensorflow-gpu

然后选择官网中的tensorflow-gpu-1.15.0版本

参考乌班图20.04 安装 TensorFlow-gpu=1.15.0

输入指令：

conda install tensorflow-gpu==1.15.0

等待几分钟后，通过指令

conda list | grep cuda
conda list | grep tensorflow

就可以看到安装好的环境

然后输入

python
import tensorflow as tf #没有任何提示表明tensorflow-cpu版安装完成
print(tf.test.is_gpu_available()) #最后得到True表示tensorflow-gpu版安装完成

至此，tensorflow-gpu环境配置成功

---

运行tensorflow-gpu时出现的问题

1. Could not create cudnn handle:CUDNN_STATUS_INTERNAL_ERROR

该问题在Could not create cudnn handle: CUDNN_STATUS_INTERNAL_ERROR · Issue #24496 · tensorflow/tensorflow · GitHub中有提到

我的解决方案是添加以下代码

config = tf.compat.v1.ConfigProto()
config.gpu_options.allow_growth = True
sess = tf.compat.v1.Session(config=config)
sess.as_default()