配置cuda+cudnn

最新推荐文章于 2024-09-05 20:49:01 发布

scmales

最新推荐文章于 2024-09-05 20:49:01 发布

阅读量751

点赞数

分类专栏：深度学习文章标签：踩坑日记

本文链接：https://blog.csdn.net/weixin_42536346/article/details/87962369

版权

在Ubuntu16.04系统上，使用RTX2080显卡和驱动415，通过Anaconda3安装的CUDA和CUDNN导致TensorFlow-gpu运行时卡死。问题源于环境配置不兼容。解决方案包括：确认显卡驱动、CUDA和CUDNN版本匹配；避免使用Anaconda直接安装TensorFlow-gpu；手动下载CUDA和CUDNN并配置环境变量；安装cudnn后测试验证。最终成功配置为CUDA 9.0 + CUDNN 7.1.4，可运行TensorFlow-gpu 1.12。

摘要由CSDN通过智能技术生成

系统配置是ubuntu16.04+RTX2080+显卡驱动415+anaconda3
cuda和cudnn是conda安装的清华源上的cudatoolkit8+cudnn7
（conda install tensorflow-gpu==1.6 时自动安装了依赖包包括了cudatoolkit和cudnn，不能选）
问题：运行tensorflow一个简单的卷积函数tf.nn.conv2d时程序卡死，直接结束进程，系统卡死
报错：（Process finished with exit code 134 (interrupted by signal 6: SIGABRT)）

明显是环境配置问题，挣扎了俩天，得出以下结论。
显卡决定了显卡驱动版本，显卡驱动一定程度上决定cuda版本，cudnn对应cuda版本下载，cuda和cudnn版本决定了tensorflow版本。
1、rtx2080的linux系统下只支持415、410、418版本，可以去官网查，sudo ubuntu-drivers devices方法也好使，sudo apt-get install nvidia-415安装驱动的方法比官网下载安装更方便(除了下载慢),安装好后重启。
2、重新安装显卡驱动前先把原来的驱动卸干净了再装新的sudo apt remove --purge nvidia*。先把原来的cuda卸载干净了再装cuda，sudo /usr/local/cuda-9.0/bin/uninstall_cuda_9.0.pl
3、不要用anaconda直接安装的tensorflow-gpu，流氓打包安装的cud