ubuntu 20.04+RTX3090 安装Tensorflow-gpu==2.4

ubuntu 20.04+RTX3090 安装Tensorflow-gpu==2.4

系统：Ubuntu 20.04
硬件环境：RTX 3090显卡
Python版本使用Anaconda来管理

需要使用的安装文件：

1. NVIDIA-Linux-x86_64-460.32.03.run

2. cuda_11.2.2_460.32.03_linux.run

3. cudnn-11.2-linux-x64-v8.1.1.33.solitairetheme8（全部在NVIDIA英文官网界面下载）

4. Anaconda3-2020.11-Linux-x86_64.sh

5. 建议全部放在一个目录下

安装VIM

sudo apt-get install vim-gtk 编辑~/.bashrc需要用到，或者使用gedit也可以。

安装显卡驱动

两种方法

1. 直接在ubuntu自带的附加驱动程序中安装460版本的驱动即可。
2. sudo sh NVIDIA-Linux-x86_64-460.32.03.run
   两种方法都可以，只要是460就可以，建议使用第一种。
3. nvidia-smi查看显卡驱动是否安装成功。
   

安装Anaconda3

bash Anaconda3-2020.11-Linux-x86_64.sh 一路yes
增加环境变量

vim ~/.bashrc

export PATH=$PATH:/home/用户名/anaconda3/bin

source ~/.bashrc

conda list 检查环境变量配置是否正确

注意：安装完anaconda之后打开终端默认进入base环境，可以使用conda deactivate 手动退出base,也可以vim ~/.bashrc最后增加一行conda deactivate，source ~/.bashrc

安装cuda

sudo sh cuda_11.2.2_460.32.03_linux.run

注意，不要勾选Driver，因为前面已经装了驱动。

添加环境变量

vim ~/.bashrc

export CUDA_HOME=/usr/local/cuda

export LD_LIBRARY_PATH=${LD_LIBRARY_PATH}:${CUDA_HOME}/lib64

export PATH=${CUDA_HOME}/bin:${PATH}

source ~/.bashrc

输入nvcc -V验证CUDA是否已安装，并返回版本号等信息。

配置cudnn

tar -zxvf cudnn-11.2-linux-x64-v8.1.1.33.solitairetheme8

解压后有一个cuda目录 cd进入，复制文件到local下，并修改权限

sudo cp cuda/lib64/* /usr/local/cuda/lib64/

sudo cp cuda/include/* /usr/local/cuda/include/

sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*

验证

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

创建base环境

conda create -n name python= 3.7

安装tensorflow-gpu==2.4

pip install tensorflow-gpu==2.4 -i http://pypi.douban.com/simple --trusted-host pypi.douban.com

豆瓣源，清华源都可以。版本是2.4就行了。

快速测试（自己创建的base环境下）

python

import tensorflow as tf

print(tf.__version__)

print('GPU', tf.test.is_gpu_available())

输出True就没有问题了

tf.config.list_physical_devices()

列出可用设备，查看是否有GPU

如果加载动态链接库警告so.10，增加软链接即可解决。

sudo ln -s /usr/local/cuda-11.2/targets/x86_64-linux/lib/libcusolver.so.11 /usr/local/cuda/lib64/libcusolver.so.10