Question

我已经建立了一个Ubuntu 16.04.5服务器，并尝试使Python使用Tensorflow GPU（我有Nvidia / CUDA图形卡）。即使阅读了文档https://www.tensorflow.org/install/gpu#linux_setup，它仍然失败（请参阅下文）。

问题：您是否需要一个标准的“待办事项”列表（起点：新安装的Ubuntu服务器），以最少的步骤就可以安装tensorflow-gpu并使其正常工作？ < / p>

注意：

我已经阅读了很多类似的论坛帖子，并且我认为具有规范的“待办事项”（从全新的Ubuntu安装到运行tensorflow-gpu会很有趣，只需执行几个步骤/ bash命令即可。
我曾经使用过的documentation
```
export LD_LIBRARY_PATH...

# Add NVIDIA package repository
sudo apt-key adv --fetch-keys http://developer.download...
...
# Install CUDA and tools. Include optional NCCL 2.x
sudo apt install cuda9.0 cuda...
```
即使经过大量的尝试和错误（我不会在这里复制/粘贴所有不同的错误，也太长了），然后最后：
```
import tensorflow
```
总是失败。某些原因包括ImportError: libcublas.so.9.0: cannot open shared object file: No such file or directory。我已经阅读了相关问题here或这个very long (!) github issue。

Answer 1

好吧，我面临着同样的问题。首先要做的是查找，需要哪个Tensorflow版本。在你的情况下Tensorflow 2.2。需要 CUDA 10.1。正确的 cuDNN 版本也很重要。在您的情况下，它将是 cuDNN 7.4。另外一点是安装的python版本。我会推荐Python 3.5-3.8。如果其中一个不匹配，则几乎不可能完全兼容。

因此，如果您想要一份检查清单，请看这里：

通过安装 nvidia-cuda-toolkit 来安装 CUDA 10.1。
安装与 CUDA 10.1 兼容的 cuDNN 版本。
导出 CUDA 环境变量。
如果未安装 Bazel，系统会询问您。
使用 pip 安装 TensorFlow 2.2。我强烈建议使用虚拟环境。

可以找到Tensorflow和CUDA的兼容性检查列表here

您可以找到 CUDA 工具包 here

最终得到正确版本的cuDNNhere

仅此而已。

Answer 2

在将Google Cloud Platform用于涉及深度学习的两个项目时，我也遇到了问题。他们为服务器提供的只是全新安装的Ubuntu OS。根据我的经验，我建议执行以下步骤：

查找当前Tensorflow版本on the Tensorflow page支持的cuda和cuDNN版本。
从Nvidias cuda page中检索到的deb软件包中安装目标cuda版本，并且请注意，较新的cuda版本可能不起作用！。这将自动安装相应的Nvidia驱动程序。
从this page安装目标cuDNN版本，然后再次注意，较新的cuDNN版本可能不起作用。
使用pip安装tensorflow-gpu。

这应该有效。您的问题可能是您使用的cuda版本比当前Tensorflow版本的目标版本要新。

Answer 3

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

注意：在此之前必须先安装NVIDIA驱动程序（您可以使用nvidia-smi命令进行验证）。

要安装Anaconda https://www.anaconda.com/distribution/吗？
使用命令“ conda create -n envname”创建虚拟环境
然后使用命令“ conda activate envname”激活环境。
使用命令“ conda install tensorflow-gpu”最终安装tensorflow

使用给定的代码

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")

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

Answer 4

我建议首先使用 nvidia-smi 命令检查 GPU 的可用性。

我遇到了同样的问题，我可以通过使用 docker 容器解决它，您可以使用 Install Docker Engine on Ubuntu 安装 docker 或使用 Digital Ocean 指南（我使用过这个）How To Install and Use Docker on Ubuntu 18.04

之后就简单了，根据需求运行以下命令

NV_GPU='0' nvidia-docker run --runtime=nvidia -it -v /path/to/folder:/path/to/folder/for/docker/container nvcr.io/nvidia/tensorflow:17.11

NV_GPU='0' nvidia-docker run --runtime=nvidia -it -v /storage/research/:/storage/research/ nvcr.io/nvidia/tensorflow:20.12-tf2-py3

这里'0'代表GPU编号，如果你想使用多个GPU就用'0,1,2'等等......

希望这能解决问题。

在Ubuntu上安装Tensorflow GPU / CUDA

4 个答案: