问Tensorflow GPU / CUDA安装在Ubuntu上

EN

我也面临着同样的问题。首先要做的是查找，这是需要Tensorflow版本的。在你的例子中，Tensorflow 2.2。需要CUDA 10.1。正确的cuDNN版本也很重要。在您的例子中，它将是cuDNN 7.4。另外一点是已安装的python版本。我推荐Python 3.5-3.8。如果一个错配，完全兼容几乎是不可能的。

所以，如果你想要一张支票单，你可以这样做：

1. 通过安装nvidia- CUDA -工具箱来安装cuda 10.1。
2. 安装与CUDA10.1兼容的cuDNN版本。
3. 导出CUDA环境变量。
4. 如果Bazel没有安装，就会被问到。
5. 使用pip安装TensorFlow 2.2。我强烈建议使用虚拟环境。

您可以找到Tensorflow和CUDA 这里的兼容性检查列表。

您可以找到CUDA工具包这里

最后获得正确版本的cuDNN ( 这里 )

就这样。

当我使用Google平台进行两个涉及深度学习的项目时，我也面临着这个问题。他们只为服务器提供一个新安装的Ubuntu。关于我的经验，我建议采取以下步骤：

• 查找当前Tensorflow发行版在Tensorflow页面上支持的cuda和在Tensorflow页面上版本。
• 安装从Nvidias cuda页面和检索的deb包中的目标cuda版本，小心最近的cuda版本可能无法工作！，这将自动安装相应的Nvidia驱动程序。
• 从此页安装目标此页版本，并再次安装，请注意，更新的cuDNN版本可能无法运行。
• 使用pip安装tensorflow-gpu。

这应该能行。您的问题可能是，您使用的是比当前Tensorflow版本所针对的更新的cuda版本。

要安装tensorflow-gpu，官方网站上提供的指南对于初学者来说非常乏味，相反，我们可以执行以下简单步骤：

注意:在安装之前必须安装NVIDIA驱动程序(您可以使用命令nvidia-smi来验证这一点)。

1. 安装Anaconda https://www.anaconda.com/distribution/
2. 使用命令“Create -n envname”创建虚拟环境
3. 然后使用"conda激活envname“命令激活env。
4. 最后，使用命令"conda install tensorflow-gpu“安装tensorflow

用给定的代码

import tensorflow as tf
      if tf.test.gpu_device_name():
           print('Default GPU Device{}'.format(tf.test.gpu_device_name()))
      else:
           print("not using gpu")

您可以在下面的https://www.pugetsystems.com/labs/hpc/Install-TensorFlow-with-GPU-Support-the-Easy-Way-on-Ubuntu-18-04-without-installing-CUDA-1170/链接上找到教程