ubuntu简单快速安装搭建pytorch tensorflow环境RTX3060

环境

显卡RTX-3060
Ubuntu 18.04
pytorch 1.9
cuda 11.1
时间2021-8

安装步骤

• 安装ubuntu18.04
• 手动安装nvidia驱动，就在在软件更新，附加驱动里，找个带nvidia驱动安装即可，最新的也行。本机安装的驱动470，然后cuda自己就装了，nvidia-smi，显示cuda11.4
• 安装anaconda，各自挑个喜欢的就行，本机安装为wget https://repo.anaconda.com/archive/Anaconda3-2019.07-Linux-x86_64.sh
• 安装pytorch，新建环境为python3.7，根据各自需要修改

conda create -n pytorch_py3 python=3.7 pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch -c nvidia

• 重点：-c nvidia，不然会各种报错，亲测运行ok，根据pytorch官网来安装即可

优缺点

简单高效
驱动是在软件更新中安装，本机安装，驱动470，cuda11.4，nvidia-smi，查看也是如此。不需要再添加变量，禁止驱动之类的

缺点：nvidia-smi，显示驱动470，cuda11.4，没得nvcc，pytorch运行自己有一套cuda，不用担心

模型结果

跑起来感觉比1050ti还慢
后来加大batchsize，差距就出来了，正常运转ok。

网上说，nvidia驱动cuda驱动，和pytorch运行时的cuda是不同的，不用担心。conda安装pytorch和cuda后，cudnn都不用再装了，测试了装了还不如不装快。也许conda安装的时候，pytorch已经内置cudnn了吧

我的浅显理解。
3060的cuda核心明显比1050ti多很多，但是训练小batch的时候，感觉还不如1050ti，增大batch后，3060的其它cuda核心才会用起来吧。
不过也可能，小batch，中间记录log文件的时候 i/o操作 把时间耽误了，所以看起来比1050ti还慢点。

安装tensorflow2.6

新建环境 conda create -n 新环境，然后启动环境

conda install cudnn=8.2

会自动安装cuda8.2和cudatoolkit 11.3
然后pip install tensorflow-gpu，会安装2.6.0

安装tensorflow1.15.4

参考安装链接
https://github.com/NVIDIA/tensorflow

ubuntu18.04，python只能用3.6，才能装，不然会报错，装好了也会报错，系统glibc版本低，只有2.27，但是最新的nvidia-tensorflow需要2.29

ldd --version

查看ubuntu18.04，glibc版本ldd (Ubuntu GLIBC 2.27-3ubuntu1.2) 2.27

因为是python3.6，会自动安装符合ubuntu18.04的nvidia-tensorflow
python3.7会直接报错
python3.8，会安装最新版nvidia-tensorflow，安装成功，但是运行报错`GLIBC_2.29’ not found

ImportError: /lib/x86_64-linux-gnu/libm.so.6: version `GLIBC_2.29' not found

创建python3.6环境

conda create -n tf python=3.6
conda activate tf
pip install nvidia-pyindex
pip install nvidia-tensorflow