在 Ubuntu 上安装 Tensorflow GPU / CUDA

Posted 2023-04-15

【中文标题】在 Ubuntu 上安装 Tensorflow GPU / CUDA

【英文标题】：Tensorflow GPU / CUDA installation on Ubuntu

【发布时间】：2019-06-04 09:49:29

【问题描述】：

我已经设置了一个 Ubuntu 18.04 并尝试使用 Python 使 Tensorflow 2.2 GPU 工作（我有一个 Nvidia/CUDA 显卡）。 即使在阅读了文档https://www.tensorflow.org/install/gpu#linux_setup 之后，它还是失败了（有关它如何失败的详细信息，请参见下文）。

问题：您能否提供一个规范的“待办事项”列表（起点：新安装的 Ubuntu 服务器），说明如何通过几个步骤安装 tensorflow-gpu 并使其工作？

注意事项：

我已经阅读了许多类似的论坛帖子，并且我认为拥有一个规范的“待办事项”（从全新的 Ubuntu 安装到拥有 tensorflow-gpu 工作）会很有趣，只需几个步骤/bash 命令

我使用的documentation参与了

  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...

即使经过大量的试验和错误（我不会在这里复制/粘贴所有不同的错误，会太长），然后在最后：

  import tensorflow

总是失败。一些原因包括`ImportError：libcublas.so.9.0：无法打开共享对象文件：没有这样的文件或目录。我已经阅读了相关问题here，或者这个very long (!) Github issue。

经过反复试验，import tensorflow 可以工作，但它不使用 GPU（另请参阅 Tensorflow not running on GPU）。

【问题讨论】：

此外，无数人在许多 Github 问题、论坛帖子、SO 帖子中都或多或少地提出相同的问题，并且对这个问题有一个规范的答案（一劳永逸）真的很有趣。

对我来说看起来像是一个典型的包管理器问题。 Stack Overflow 是一个编程和开发问题的网站。对于这个问题，您可能应该使用Stack Exchange network 上的另一个站点。如果您觉得这个问题很切题，请查看How to create a Minimal, Complete, and Verifiable example。

【参考方案1】：

嗯，我也面临同样的问题。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。

所以，如果你想要一份检查清单，就去吧：

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。我强烈推荐使用虚拟环境。

---

您可以找到Tensorflow和CUDA的兼容性检查列表here

您可以找到 CUDA 工具包here

终于得到正确版本的cuDNNhere

就是这样。

【参考方案2】：

在将 Google Cloud Platform 用于两个涉及深度学习的项目时，我也遇到了这个问题。他们只为服务器提供新安装的 Ubuntu 操作系统。根据我的经验，我建议执行以下步骤：

查找当前 Tensorflow 版本支持的 cuda 和 cuDNN 版本on the Tensorflow page。 从Nvidias cuda page 检索到的 deb 包中安装目标 cuda 版本并

注意更新的 cuda 版本可能无法工作！

这将自动安装相应的 Nvidia 驱动程序。 从this page 安装目标 cuDNN 版本并再次

注意更新的 cuDNN 版本可能无法正常工作

。 使用 pip 安装 tensorflow-gpu。

这应该可以。您的问题可能是您使用的 cuda 版本比当前 Tensorflow 版本的目标更新。

【参考方案3】：

要安装tensorflow-gpu，官网提供的指南对于初学者来说非常繁琐，我们可以做这些简单的步骤：

注意：在此之前必须安装 NVIDIA 驱动（您可以使用命令 nvidia-smi 进行验证）。

安装 Anaconda https://www.anaconda.com/distribution/? 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 最后使用命令“conda install tensorflow-gpu”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教程 https://www.pugetsystems.com/labs/hpc/Install-TensorFlow-with-GPU-Support-the-Easy-Way-on-Ubuntu-18-04-without-installing-CUDA-1170/?

【讨论】：

谢谢，Anaconda 是一个特定的发行版，这个问题是针对标准的官方 Python 发行版。

【参考方案4】：

我建议首先使用nvidia-smi 命令检查 GPU 的可用性。

我也遇到过同样的问题，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（我用过这个）How To Install and Use Docker on Ubuntu 18.04

之后就很简单了，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

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

希望这能解决问题。