Oli*_*ver 3 nvidia cuda conda tensorflow gpu-driver
我正在尝试为tensorflow-GPU 创建一个conda 环境。我有一个 GeForce RTX 3080，运行 Ubuntu 21.04，安装了 CUDA 460 驱动程序（禁用安全启动）。我尝试使用conda安装cudatoolkit，但是使用conda可用的最新版本是11.0，它最多只支持CUDA驱动程序450。我在网上找不到任何关于如何将新的CUDA版本安装到conda环境中的信息，只能在全局上找到使用 或 .run 文件的环境sudo（我想远离它）。我假设我使用pip install cudatoolkit=11.2或类似的东西，但我不确定。
任何帮助将不胜感激，因为我是 Linux 新手，而且我还不是终端忍者。
谢谢
更新 (08/30/21)：Esri conda 通道有一个tensorflow-gpu开箱即用的软件包似乎可以正常工作。可以使用以下方式安装：
conda install -c esri tensorflow-gpu\n如果这不起作用，请查看以下内容是否有帮助。
\n我有一个 Linux Mint 20.1 系统（基于 Ubuntu 20.04 LTS）和 GeForce RTX 3080（驱动程序版本 460.80），并且在尝试在 conda 环境中运行 Tensorflow 时遇到了很多问题。
\n问题似乎是目前没有正确打包 Tensorflow 2.4+、CUDA 11+ 和 CuDNN 8+ 的 conda 环境，而这些是在较新的 GPU 架构上运行所必需的（更多信息请参见此处）。如果您使用conda install -c anaconda tensorflow-gpu\xe2\x80\x8b，它将默认安装 TF v2.2、cudatoolkit 10.x 和 cudnn 7.x。如果您尝试强制使用较新的版本，tensorflow-gpu=2.4\xe2\x80\x8b则要么只安装旧的不兼容的 cudatoolkit 10.x/cudnn 7.x 库，要么根本不安装它们。
可能有很多不同的方法可以做到这一点，但经过多次尝试和错误后，以下是对我有用的方法：
\n步骤1：创建conda环境并安装cudatoolkit和cudnn到其中。
\nconda create -n tf_gpu_env -c conda-forge cudatoolkit cudnn python=3.8\n截至撰写本文时，这会将 cudatoolkit 11.2、cudnn 8.2 和 python 3.8.10 安装到这个新环境中。我使用了 conda-forge 频道，但想象anaconda一下nvidia频道也可以工作。
步骤 2：激活环境并使用pip not conda安装tensorflow-gpu 。从 conda 安装要么需要很长时间，因为 conda 会在出错之前尝试解决冲突，要么会强制将 cudatoolkit 和 cudnn 降级到旧版本。
conda activate tf_gpu_env\xe2\x80\x8b\npip install tensorflow-gpu\n截至撰写本文时，这将安装 Tensorflow-gpu 2.5.0
\n步骤 3：检查 Tensorflow 是否正常工作并使用 GPU。确保您已激活新环境并在终端中启动 python 会话。我使用以下语句进行检查。
\n>>> import tensorflow as tf \n应该返回一条消息，说明已成功打开libcudart
>>> tf.config.list_physical_devices(\'GPU\')\n应该返回一条长消息，表明它成功打开了一堆 cuda 库，更重要的是，在末尾有一个带有命名元组的列表，表明它找到了 GPU（例如[PhysicalDevice(name=\'/physical_device:GPU:0\', device_type=\'GPU\')]）。\n如果这返回一个空列表，则 Tensorflow 没有使用GPU。
最后，使用tf.constant或创建一些随机张量tf.random。这个检查非常重要。即使 cuda 库不兼容， Tensorflow 仍然可以识别您的 GPU ，并在输入上述两个命令时返回类似的消息，表明一切正常。但是，如果它工作正常，以下命令（或类似命令）应该几乎立即执行并返回张量：
>>> tf.random.uniform([4, 4, 4, 4])\n如果事情不正常，在您得到答案之前将会有很长的延迟（尽管后续呼叫可能很快）。如果您尝试在运行第一个 epoch 之前运行延迟持续几分钟或几乎一个小时的实际模型，并且除了不可预测的行为（例如获取nanCNN 等某些网络的值）之外，情况会更糟。
最后，有几点注意事项：
\nconda install运行时或在此环境中要小心conda update，并在按回车键之前仔细检查软件包计划。例如，如果您使用 conda 安装tensorflow-probability，它也可能tensorflow-base作为依赖项安装，该依赖项可以覆盖tensorflow-gpu.cudatoolkit=11.0, ,cudnn=8.0来使用 TF 2.4.1、cudatoolkit 11.0 和 cudnn 8.0tensorflow-gpu==2.4.1在上面的安装命令中| 归档时间： |
|
| 查看次数： |
8167 次 |
| 最近记录： |