CUDA版本选择与安装（不同的深度学习项目需要不同CUDA）

1.起因

• 测试深度学习的项目，方向的论文代码是tensorflow1、python3，cuda主要用的是cuda10
• 我的机器显卡是3060的（Y9000P）；然后租的机器是3090的，借的机器是A100的，显卡太新，跑不了研究方向的很多项目（很长一段时间我都在抑郁，我的显卡不赖呀，竟然跑不起来代码，都想换课题了）

2.尝试

(1)在3060的机器上安装cuda 10(拿到机器后的本能反应）

• 查看电脑显卡：
• 查看显卡驱动是否正常，(cmd后输入):nvidia-smi
• 如果不正常，装驱动
• 正常，查看cuda版本：nvcc -V
• 如果cuda版本符合项目需求，ok；
• 如果cuda版本不符合项目需求，查自己的显卡支持的cuda版本有哪些，非常重要，查看自己的3060, 3090是否支持cuda10, 不然装cuda10白忙）
  答：RTX3060支持的cuda版本最低是11.1，不支持cuda10.0
• 找一个能支持项目cuda版本的机器
• 再次nvidia-smi看驱动，是否装驱动
• nvcc -V看cuda版本
• 如果cuda版本符合项目需求，皆大欢喜
• 如果cuda版本不符合项目需求，卸载现有的cuda
• 重新装cuda，参考链接：https://blog.csdn.net/sinat_36721621/article/details/115326307
  选择版本：https://developer.nvidia.com/cuda-toolkit-archive
• 开始conda搭建自己的环境

(2)tensorflow1的项目使用tensorflow2环境跑

（可以，但是需要改，会报以下几种错误，一般import tensorflow.compat.v1 as tf代替 import tensorflow as tf 可解决）；

• tf.placeholder() is not compatible with eager execution.
  （解决办法：在程序的开始加：tf.compat.v1.disable_eager_execution()）
• module ‘tensorflow’ has no attribute ‘…’ (解决办法：import
  tensorflow.compat.v1 as tf代替 import tensorflow as tf )
• TypeError: batch_to_space_v2() got an unexpected keyword argument
  ‘block_size’ (解决办法：import tensorflow.compat.v1 as tf代替 import
  tensorflow as tf )
• Not creating XLA devices, tf_xla_enable_xla_devices not set （可暂时性的忽视）

(3)换项目，读代码，读项目中的issues

(非常有用，对环境搭不起来有启发性作用，能避免踩别人踩过的坑。)

(4)开始认真看报错：

• libcudart.so.8.0: cannot open shared object file: No such file or
  directory （说明我的cuda版本不合适，项目要cuda8, 我的却是cuda11.7; 或在tensorflow的版本不合适）
• errors_impl.NotFoundError: libcudart.so.8.0 （同上）
  (5)租老的机器或者服务器一键换镜像

感觉原作者写得简直就是我的内心写照，什么时候才能解决完这各种各样的问题呀
参考链接：参考的博客