RTX3090显卡安装tensorflow-gpu 2.4+CUDA11.0+cudnn8.05(使用conda安装)

最新推荐文章于 2024-08-04 07:37:35 发布
最新推荐文章于 2024-08-04 07:37:35 发布
阅读量1.1w 收藏 78
点赞数 8
文章标签： tensorflow 深度学习 python anaconda
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43233764/article/details/111536819
版权
本教程详细介绍了如何在Ubuntu 16.04系统上，使用Anaconda为RTX3090显卡安装CUDA11.0、cudnn8.05并配置TensorFlow-GPU2.4。过程中涉及创建虚拟环境、下载和安装相应软件，并提供了遇到问题时的解决办法。
摘要由CSDN通过智能技术生成

RTX3090显卡安装tensorflow-gpu 2.4+CUDA11.0+cudnn8.05+py3.7(使用conda安装)

基本环境

Ubuntu 16.04+Anaconda

前期准备

由于实验室电脑有张显卡坏了，买了张Nvidia最新显卡RTX3090，查看TensorFlow和pytorch的官网竟然现在还没有已公布的能匹配的cuda版本（这不应该大家一起坐下来商量好？），于是就开始找找找，终于还是找到了。现在的RTX3090可以配合CUDA11使用。pytorch目前是支持CUDA11.0的，只有TensorFlow目前已公布的最高才CUDA10.0的版本，所以要重装CUDA11。

  1. 显卡驱动，3090显卡是需要驱动版本455以上的，先看看自己的显卡驱动是什么版本，低了就自己卸载载重装；
  2. 安装anaconda，我是之前就有就没必要在介绍安装过程了(实在不会就得自己度娘了)；

CUDA11.0 安装

首先创建虚拟环境，自行命名，我这是用的python3.7。

conda create -n tensorflow2
最低0.47元/天 解锁文章
狂飙的蜗牛boy
关注
Ubuntu18.04下RTX3090+CUDA11.0+cudnn8.0.5+tensorflow-gpu2.4安装
wuliangcai_的博客
04-24 1426
Ubuntu18.04下RTX3090+CUDA11.0+cudnn8.0.5+tensorflow-gpu2.4安装 前言：买完RTX3093后发现CUDA、cudnn、tensorflow版本匹配问题，查阅了很多资料，最终选定标题中的版本进行安装。亲测能够跑起来！！！ 1、安装Nvidia显卡驱动： 系统设置——软件更新——附加驱动——使用NVIDIA binary driver -version.......——应用更改——重启（附图如下） 打开终端输入nvidia-smi查看安装的驱动如
Python环境—tensorflow1.15与显卡3090适配问题
fushe6766的博客
04-10 497
可能还会遇到个别tensorflow2.0+和tensorflow1.0+写法不一样的地方，对应修改即可。显卡3090需要cuda11.0+，tensorflow1.15需要cuda9.0。整理在此，只为个人记录学习过程，并分享给需要的小伙伴。代码是基于tensorflow1.15.4编写。安装nvidia-tensorflow。（1）只针对ubantu系统。上述文章可能部分源于网络。
在Conda环境中安装cuDNN库的详细指南
最新发布
先天无极编程圣体的博客
08-04 403
安装与cuDNN兼容的CUDA Toolkit版本。假设安装CUDA 11.2版本。使用conda安装cuDNN库。确保选择与CUDA版本匹配的cuDNN版本。通过这些步骤，你可以在Conda环境中成功安装并配置cuDNN库。首先，确保你已经创建或激活了一个Conda环境。最后，设置cuDNN的环境变量。
CUDA11.0+cuDNN8.0.5.zip
01-29
小米笔记本Pro 2020款 显卡MX350 tensorflow-gpu安装_XerCis的博客-CSDN博客 https://xercis.blog.csdn.net/article/details/113360333
适配RTX3090，已验证pytorch、cudnn、nvidia驱动版本，避坑指南
s512720826的博客
06-20 1574
适配RTX3090，已验证pytorch、cudnn、nvidia驱动版本，避坑指南
RTX3090利用conda安装tensorflow2.4的坑
AFXBR的博客
08-16 647
因为3090只支持cuda11以上，所以需要选择安装支持cuda11以上的tensorlfow2版本，也就是tensorflow2.4.x 当前阶段，直接使用conda install tensorflow-gpu的话即使成功安装，也无法使用正常调用gpu，所以需要通过以下方法安装： conda创建相关环境 pip install tensorflow-gpu==2.4 conda install cudatoolkit=11.0 cudnn=8.0 ...
Ubuntu 20.04 安装CUDA11.1 和cudnn 8.0.5
周迪新的博客
04-12 3360
Install CUDA cuda 11.1 百度网盘链接 密码: bo6f sudo sh cuda_10.0.130_410.48_linux.run 安装成功后跳出 =========== = Summary = =========== Driver: Not Selected Toolkit: Installed in /usr/local/cuda-11.1/ Samples: Not Selected Please make sure that - PATH includes
Ubuntu18.04安装CUDA11.1+cudnn8.0.5+TensorRT7.2
qq_35588369的博客
10-15 1596
安装过程趟了很多坑，记录一下。 硬件： Tesla T4 系统： Ubuntu18.04 华为服务器 目标： 安装cuda11.1+cudnn8.0 1、驱动安装 ubuntu-driver devices 查看合适的驱动 sudo apt install nvidia-dri...
ANACONDA +Cuda及cuDNN+Tensorflow-gpu版本+keras安装步骤的ppt
03-01
### ANACONDA +Cuda及cuDNN+Tensorflow-gpu版本+keras安装步骤详解 #### 一、ANACONDA 安装 **ANACONDA** 是一个非常方便的Python和R的数据科学环境管理器。它提供了一个包含大量科学计算库的分发版，以及一个强大...
Win11笔记本电脑RTX4080显卡安装Tensorflow-GPU2.6.0方法步骤
weixin_44184852的博客
04-30 4359
Tensorflow是当前主流的深度学习框架，是深度学习方向从业者和研究生的生产力工具，我在本科参加学科竞赛期间曾经安装过tensorflow1.12版本和对应的keras2.2版本，相对来说，keras提供了较多调用tensorflow的API，这极大地减轻了工作量，而新版的tensorflow2.0及以上版本自带keras，无需再另外安装。
tensorflowGpu-2.3.0-cuda11.0-cudnn8.0-vs2019.rar
11-11
tensorflow2.0 Gpu版本，在cuda11.0 cudnn8.0-vs2019 下编译，需要依赖cuda11.0和cudnn8.0.
tensorflow-1.12支持cuda10.0
01-11
自编译tensorflow： 1.python3.5,tensorflow1.12; 2.支持cuda10.0,cudnn7.3.1,TensorRT-5.0.2.6-cuda10.0-cudnn7.3; 3.支持mkl,无MPI; 软硬件硬件环境：Ubuntu16.04,GeForce GTX 1080 配置信息： hp@dla:~/work/ts_compile/tensorflow$ ./configure WARNING: --batch mode is deprecated. Please instead explicitly shut down your Bazel server using the command "bazel shutdown". You have bazel 0.19.1 installed. Please specify the location of python. [Default is /usr/bin/python]: /usr/bin/python3 Found possible Python library paths: /usr/local/lib/python3.5/dist-packages /usr/lib/python3/dist-packages Please input the desired Python library path to use. Default is [/usr/local/lib/python3.5/dist-packages] Do you wish to build TensorFlow with XLA JIT support? [Y/n]: XLA JIT support will be enabled for TensorFlow. Do you wish to build TensorFlow with OpenCL SYCL support? [y/N]: No OpenCL SYCL support will be enabled for TensorFlow. Do you wish to build TensorFlow with ROCm support? [y/N]: No ROCm support will be enabled for TensorFlow. Do you wish to build TensorFlow with CUDA support? [y/N]: y CUDA support will be enabled for TensorFlow. Please specify the CUDA SDK version you want to use. [Leave empty to default to CUDA 10.0]: Please specify the location where CUDA 10.0 toolkit is installed. Refer to README.md for more details. [Default is /usr/local/cuda]: /usr/local/cuda-10.0 Please specify the cuDNN version you want to use. [Leave empty to default to cuDNN 7]: 7.3.1 Please specify the location where cuDNN 7 library is installed. Refer to README.md for more details. [Default is /usr/local/cuda-10.0]: Do you wish to build TensorFlow with TensorRT support? [y/N]: y TensorRT support will be enabled for TensorFlow. Please specify the location where TensorRT is installed. [Default is /usr/lib/x86_64-linux-gnu]:/home/hp/bin/TensorRT-5.0.2.6-cuda10.0-cudnn7.3/targets/x86_64-linux-gnu Please specify the locally installed NCCL version you want to use. [Default is to use https://github.com/nvidia/nccl]: Please specify a list of comma-separated Cuda compute capabilities you want to build with. You can find the compute capability of your device at: https://developer.nvidia.com/cuda-gpus. Please note that each additional compute capability significantly increases your build time and binary size. [Default is: 6.1,6.1,6.1]: Do you want to use clang as CUDA compiler? [y/N]: nvcc will be used as CUDA compiler. Please specify which gcc should be used by nvcc as the host compiler. [Default is /usr/bin/gcc]: Do you wish to build TensorFlow with MPI support? [y/N]: No MPI support will be enabled for TensorFlow. Please specify optimization flags to use during compilation when bazel option "--config=opt" is specified [Default is -march=native -Wno-sign-compare]: Would you like to interactively configure ./WORKSPACE for Android builds? [y/N]: Not configuring the WORKSPACE for Android builds. Preconfigured Bazel build configs. You can use any of the below by adding "--config=" to your build command. See .bazelrc for more details. --config=mkl # Build with MKL support. --config=monolithic # Config for mostly static monolithic build. --config=gdr # Build with GDR support. --config=verbs # Build with libverbs support. --config=ngraph # Build with Intel nGraph support. --config=dynamic_kernels # (Experimental) Build kernels into separate shared objects. Preconfigured Bazel build configs to DISABLE default on features: --config=noaws # Disable AWS S3 filesystem support. --config=nogcp # Disable GCP support. --config=nohdfs # Disable HDFS support. --config=noignite # Disable Apacha Ignite support. --config=nokafka # Disable Apache Kafka support. --config=nonccl # Disable NVIDIA NCCL support. Configuration finished 编译： hp@dla:~/work/ts_compile/tensorflow$ bazel build --config=opt --config=mkl --verbose_failures //tensorflow/tools/pip_package:build_pip_package 卸载已有tensorflow： hp@dla:~/temp$ sudo pip3 uninstall tensorflow 安装自己编译的成果： hp@dla:~/temp$ sudo pip3 install tensorflow-1.12.0-cp35-cp35m-linux_x86_64.whl
cudnn 8.0 v5.1
05-28
cudnn 5.1 主要配合cuda加速深度学习的CNN计算. 该版本对应的cuda为8.0
3090 搭建conda虚拟环境TensorFlow+pytorch(自用)
w13728879232的博客
05-27 693
在使用3090显卡的服务器上，搭建TensorFlow和pytorch环境 首先，在anaconda创建虚拟环境，本次实验的Python语言版本为3.8 conda create -n sum python=3.8 进行安装TensorFlow操作 conda install tensorflow-gpu conda list显示如下 进行安装pytorch操作，一般安装pytorch需要访问pytorch官网，这里直接放出适合3090显卡物理驱动的安装语言 pip instal
ubuntu18.04 安装CUDA11.0+cuDNN8.0.5+TensorFlow2.4.0
白羊007的博客
01-27 9332
前几天在系里申请了个云计算资源，准备用来跑一个论文里的模型，系统是全新的ubuntu18.04.1，需要自己配一下环境。 1.安装/更新GPU驱动 输入命令查看显卡信息，以及是否已经安装驱动。 nvidia-smi 可以看到有两块Tesla V100，驱动也都装好了，版本是418的，有点老了，注意有一个“CUDA Version: 10.1”，说明这个驱动只能安装CUDA10.1及以下的版本。 所以要先卸载原来的驱动，再安装更高级的版本（如果原来没有驱动，直接安装就可以了）； 卸载及安装.
cuda11.1 cudnn8.05安装
Aristomd的博客
05-15 1028
最近使用英伟达3090显卡跑深度学习模型，卸载了原有的cuda11.1经过一番努力排除了各种报错安装上了cuda10.1，运行了程序发现运行时发现Internal Error： BlackGEMM launch failed错误，根据各种网上教程最终也没有解决，后来一查，可能时因为3090显卡最低要求cuda11.1的原因，cuda10.0并不能与其兼容，遂卸载了cuda10.0，重新安装了cuda11.1 ubuntu18 cuda11.1安装及一些坑下载cuda11.1总结 下载cuda11.1 wg
ubuntu18.04下RTX3090环境配置+CUDA11.1+cudnn8.0.5+tf2.4.0（详细）
weixin_51760169的博客
03-19 3134
(deeplabcutcore)ubuntu18.04下RTX3090环境配置+CUDA11.1+cudnn8.0.5+tf2.4.0 之前在2080TI上用deeplabcut（后简称DLC）跑动物轨迹识别，最近忍不住入坑了3090，下面是RTX3090搭建环境的过程。（坑真的超级多！！） 系统：ubuntu18.04 显卡：RTX3090 CUDA：11.1 cudnn：对应CUDA11.1（8.0.5） tensorflow：2.4.0（2.4.1也行） 因为之前已经习惯用conda安装软件了，但是c
评论 26
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值