30系显卡配置tensorflow1.x环境

说明：
nvidia 30系显卡仅支持cuda11.0及以上版本，对应cudnn最低版本为8.0，tf版本为2.4.0
在win系统中无法实现30系显卡运行tf1的代码

该教程使用的环境如下：

Ubuntu20.04

3060 显卡

cuda 11.1

cudnn 8.0.5

python 3.6

tensorflow 1.15

其中 python 版本和 tensorflow 版本是固定的

简陋的目录

安装显卡驱动

安装cuda

安装cudnn

安装python(直接略过，我使用的conda 里面创建了一个python3.6的虚拟环境)

安装tensorflow1.15

安装显卡驱动

# 依次执行以下命令
ubuntu-drivers devices      #查看电脑所需要的驱动
# 通过上述命令也可能返回为空什么都不显示，添加官方ppa的源，在更新以下
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update
sudo ubuntu-drivers autoinstall     #让其自动安装显卡驱动
#安装完成后通过nvdia-smi仍然无法查到显卡型号。重启一下。
#通过设置->软件更新->附加驱动里面查看选择相应的显卡驱动

安装 CUDA

在nvidia官网下载相应cuda文件
cuda文件链接
选择相应版本进行安装

#安装方式参考cuda官网即可
# 例：
wget https://developer.download.nvidia.com/compute/cuda/11.1.0/local_installers/cuda_11.1.0_455.23.05_linux.run
sudo sh cuda_11.1.0_455.23.05_linux.run

在安装时，由于事先已经安装了显卡驱动，因此此时不用选择显卡驱动选项

该页面输入accept

该页面将第一个Driver取消勾选，然后执行最后的install

然后配置cuda环境变量
gedit ~/.bashrc 打开相应的文件，并在文件最后插入以下内容

# cuda-11.1 位置出改成自己对应的文件夹名称
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-11.1/lib64
export PATH=$PATH:/usr/local/cuda-11.1/bin
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda-11.1

保存文件，执行source ~/.bashrc激活环境
若执行nvcc -V成功，则配置完毕

安装 cudnn

cuda 与 cudnn版本对应关系自行网上搜索

需要注册账号,登陆才能下载

cudnn链接地址
以图中为例

下载deb文件进行安装，例如：

cuDNN Runtime Library for Ubuntu20.04 x86_64 (Deb)cuDNN Developer Library for Ubuntu20.04 x86_64 (Deb)cuDNN Code Samples and User Guide for Ubuntu20.04 x86_64 (Deb)

下载完毕之后进行安装

sudo dpkg -i libcudnn8_8.0.5.39-1+cuda11.1_amd64.deb
sudo dpkg -i libcudnn8-dev_8.0.5.39-1+cuda11.1_amd64.deb
sudo dpkg -i libcudnn8-samples_8.0.5.39-1+cuda11.1_amd64.deb
# 三个文件的安装顺序不能错

下面是cudnn测试,不测也可以

# 将cuDNN示例复制到可写路径
cp -r /usr/src/cudnn_samples_v8/ $HOME
# 进入到可写路径
cd  $HOME/cudnn_samples_v8/mnistCUDNN
# 编译mnistCUDNN示例
make clean && make
# 运行mnistCUDNN示例
./mnistCUDNN

安装conda以及python

略过

安装tensorflow1.15

pip install --upgrade pip
pip install nvidia-pyindex
pip install nvidia-tensorflow[horovod]
pip install nvidia-tensorboard==1.15

测试

import tensorflow as tf
import tensorboardtf.enable_eager_execution()
a = tf.random.uniform([1000, 1000])
b = tf.random.uniform([1000, 1000])
print(tf.matmul(a, b))      # 检查输出即可

本文参考：

的本天行者同学
weixin_43751285
谷米今天认路了吗

30系显卡配置tensorflow1.x环境相关推荐

30系显卡配置pytorch环境
我先说明,我是个新手,我只是把困扰了我很久的问题解决了,然后写个记录. 问题描述我最开始按照Bubbliiiing大佬分享的博客内容进行目标检测相关的学习,原来用的是1650的笔记本,一切顺利,唯独 ...
深度学习环境配置7——（30系显卡）windows下的tensorflow-gpu==2.4.0环境配置
深度学习环境配置7--(30系显卡)windows下的tensorflow-gpu==2.4.0环境配置注意事项一.2021/10/8更新学习前言各个版本tensorflow2的配置教程环境 ...
30系显卡怎么配置rangenet++和SuMa++
30系显卡怎么配置rangenet++和SuMa++ 说在前面 NVIDIA driver CUDA 11.1 cudnn TensorRT 7.2.3 rangenet++安装 && ...
深度学习之30系显卡虚拟环境配置（100%成功，windows，英伟达30系显卡，torch版本1.7.1）
傻瓜式教学,肯定保证您配置成功目录前言一.安装显卡驱动 1.查看自己的显卡型号 2.上官网下载显卡驱动 3.检查是否安装成功二.安装Anaconda(Miniconda也行) 三.安装pyth ...
基于30系显卡以及Ubuntu18.04系统的YOLOv3环境搭建和训练模型以及测试
基于30系显卡以及Ubuntu18.04系统的YOLOv3环境搭建和训练模型以及测试安装环境下面是官网对N卡框架以及驱动和cuda版本的部分对应关系驱动 (可以跳过这段安装,你可以在安装CUDA ...
30系列显卡使用tensorflow1版本
py3.6可参照这个链接: (3条消息) RTX3080+Ubuntu18.04+cuda11.1+cudnn8.0.4+TensorFlow1.15.4+PyTorch1.7.0环境配置_wxs11 ...
win11下30系列显卡配置anaconda虚拟环境cuda，cudnn，pytorch
1.电脑配置:win11+3060显卡支持最高cuda版本是11.5 2.cuda cudnn 安装 (1)cuda 截止2022.5.6 pytorch支持的最新版cuda是11.3,故安装的cu ...
30系显卡安装tensorflow-gpu1.15.0
安培架构下的30系显卡仅支持CUDA11以上的版本,目前最新的Tensorflow和PyTorch虽然都可以直接使用,然而谷歌不再维护的tensorflow1.x却无法安装在CUDA11环境下.好在N ...
DenseFusion Demo复现(30系显卡+CUDA11.1+pytorch1.8.0))
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档 Ubuntu20.04下DenseFusion Demo复现(30系显卡+CUDA11.1+pytorch1.8.0)) 文章目录 U ...

30系显卡配置tensorflow1.x环境

安装显卡驱动

安装 CUDA

安装 cudnn

安装conda以及python

安装tensorflow1.15

本文参考：

30系显卡配置tensorflow1.x环境相关推荐

最新文章

热门文章

30系显卡配置tensorflow1.x环境

安装 显卡驱动

安装 CUDA

安装 cudnn

安装conda以及python

安装tensorflow1.15

本文参考：

30系显卡配置tensorflow1.x环境相关推荐

最新文章

热门文章

安装显卡驱动