Ubuntu21.10下安装TensorFlow及配置GPU支持（cuda11.1+cudnn8.1.0）

Posted 2023-01-24 Z.Q.Feng

文章目录

• 一、前言
• 二、安装NVIDIAdriver
• • 1. 添加PPA源
  • 2. 查看显卡硬件型号
  • 3. 安装NVIDIA驱动
• 三、安装cuda
• • 1. 下载相关依赖
  • 2. 下载安装文件
  • 3. 安装cuda-toolkit
  • 4. 配置环境变量
  • 5. 检验安装
• 四、安装cudnn
• • 1. 下载安装文件
  • 2. 安装cudnn8.1.0
  • 3. 配置环境变量
• 五、安装TensorFlow
• • 1. 安装依赖包
  • 2. 安装TensorFlow
  • 3. 测试
• 六、总结

---

一、前言

Ubuntu 下安装 TensorFlow 并不是简单的使用 pip 安装就可以的，如果不能使用 GPU 的话效率是会很低的，这里的方法都是自己在系统下搭建踩过一些坑摸索出来的，希望会有些帮助。

• 系统：Ubuntu21.10
• cuda版本：cuda11.1
• cudnn版本：cudnn8.1.0

---

二、安装NVIDIAdriver

1. 添加PPA源

添加 PPA 源：

sudo add-apt-repository ppa:graphics-drivers/ppa

为系统安装依赖项以构建内核模块：

sudo apt-get install dkms build-essential

2. 查看显卡硬件型号

打开终端，输入如下命令

ubuntu-drivers devices

输出界面如下，可以看到这里我的硬件显卡型号为 GP108M [GeForce MX250]，推荐安装的驱动版本号为：driver : nvidia-driver-470 - distro non-free recommended

3. 安装NVIDIA驱动

这里我们下载自己电脑推荐的驱动版本即可：

sudo ubuntu-drivers autoinstall

系统会自动安装推荐版本驱动，接着重启系统。

---

三、安装cuda

这里我用的 cuda 版本为 11.1，采用 .run 文件安装，最新的 11.6 版本试了有点问题，所以我换成了 11.1 版本。

1. 下载相关依赖

命令如下：

sudo apt-get install freeglut3 freeglut3-dev libxi-dev libxmu-dev

2. 下载安装文件

直接使用 wget 下载即可，这里我提供的是 11.1 版本的下载链接：

cd ~/Downloads
wget https://developer.download.nvidia.com/compute/cuda/11.1.0/local_installers/cuda_11.1.0_455.23.05_linux.run

大概有 3 个多 G，注意网络连接。

3. 安装cuda-toolkit

这里我们只使用安装文件来安装 cuda-toolkit，driver 的安装我们在上述操作中已经完成，所以命令如下：

sudo sh ./cuda_11.1.0*.run --toolkit --silent --override

4. 配置环境变量

修改 ~/.bashrc 文件：

vim ~/.bashrc

添加如下内容：

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64
export PATH=$PATH:/usr/local/cuda/bin
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda

使修改立即生效：

source ~/.bashrc

5. 检验安装

命令如下：

nvcc --version

---

四、安装cudnn

1. 下载安装文件

这里我下载的是 8.1.0 版本，cudnn 的安装需要与你的 cuda 版本对应，官网下载链接如下：https://developer.nvidia.com/rdp/cudnn-archive，你可能需要注册才能下载（国内邮箱即可注册）。

选择 cuDNN Library for Linux (x86_64) 下载。

2. 安装cudnn8.1.0

进入下载目录：

cd ~/Downloads

解压 cudnn-11.2-linux-x64-v8.1.0.77.tgz 包：

mkdir cudnn-11.1
tar -zxf cudnn-11.2-linux-x64-v8.1.0.77.tgz -C ./cudnn

进入解压后文件目录：

cd cudnn

安装执行文件并赋予权限：

sudo cp cuda/include/* /usr/local/cuda/include

sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64

sudo chmod a+r /usr/local/cuda/include/cudnn* /usr/local/cuda/lib64/libcudnn*

查看 cudnn 版本：

cat /usr/local/cuda/include/cudnn_version.h

3. 配置环境变量

编辑 ~/.bashrc 文件：

vim ~/.bashrc

添加内容如下：

export LD_LIBRARY_PATH=/usr/local/cuda/extras/CUPTI/lib64:$LD_LIBRARY_PATH

source 一下：

source ~/.bashrc

---

五、安装TensorFlow

1. 安装依赖包

安装 TensorFlow 之前需要我们安装两个个依赖包，这里我的 cuda 版本为 11.1，cudnn 版本为 8.1.0，下载依赖包为

• libcudnn8_8.1.0.77-1+cuda11.2_amd64.deb
• libcudnn8-dev_8.1.0.77-1+cuda11.2_amd64.deb

官网链接如下：https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/

这里我使用 wget 下载：

cd ~/Downloads
wget https://developer.download.nvidia.cn/compute/cuda/repos/ubuntu2004/x86_64/libcudnn8_8.1.0.77-1+cuda11.2_amd64.deb

wget https://developer.download.nvidia.cn/compute/cuda/repos/ubuntu2004/x86_64/libcudnn8-dev_8.1.0.77-1+cuda11.2_amd64.deb

安装命令如下：

sudo dpkg -i libcudnn8_8.1.0.77-1+cuda11.2_amd64.deb

sudo dpkg -i libcudnn8-dev_8.1.0.77-1+cuda11.2_amd64.deb

2. 安装TensorFlow

直接用 pip 安装即可，这里要求 Python 版本为 3.6-3.9， pip >= 19.0，先使用如下命令升级你的 pip 工具：

python3 -m pip install --upgrade pip

使用 pip 安装 TensorFlow，这里我选择的是阿里云：

pip install -i https://mirrors.aliyun.com/pypi/simple tensorflow

3. 测试

打开 Python，使用如下命令测试：

import tensorflow as tf
print(tf.__version__)

输出如下：

接着测试一下我们的 GPU 支持：

tf.config.list_physical_devices("GPU")

大功告成！

---

六、总结