Instalar tensorflow en el sistema ubuntu19.10
1. Comparación de varias versiones de tensorflow
Antes de instalar tensorflow, preste atención a la relación entre la versión cuda y la versión cudnn correspondiente a cada versión de tensorflow y luego instálela. La siguiente lista es la versión de tensorflow-gpu correspondiente a cada versión de cuda y cudnn.
Versión de Linux
Versión correspondiente de MacOS
2. Instale CUDA + CUDNN
El entorno CUDA es una biblioteca de aceleración de hardware comúnmente utilizada en el aprendizaje profundo y no se describirá en detalle aquí. Para el proceso de instalación, consulte el tutorial de instalación CUDA y CUDNN de Ubuntu en otro blog del autor .
3. Modifica el archivo de enlace.
El entorno utilizado por el autor es ubuntu19.10, así como CUDA10.2 y CUDNN7.6.5. Pero actualmente tensorflow no ha lanzado el paquete de instalación cuda10.2 para tensorflow-gpu, por lo que se producirá la siguiente situación cuando tensorflow-2.2.0 se instale en esta situación:
por lo que no se puede usar tensorflow-gpu 2.2.0 . Hay dos formas de resolver este problema. El primer método es utilizar directamente la herramienta bazel para compilar a partir del código fuente, generar el archivo whl e instalarlo. Este método no se describirá por el momento. En un artículo posterior, se describirá cómo compilar el paquete de instalación de tensorflow a partir del código fuente. Los amigos interesados pueden ver El método de construcción del código fuente de los documentos oficiales . El segundo es modificar el enlace flexible del archivo de la biblioteca. Para hacer que tensorflow-gpu2.2.0 use el archivo de biblioteca cuda10.2, solo necesita crear el enlace suave de los siguientes dos archivos
cd /usr/local/cuda-10.2/targets/x86_64-linux/lib/
ln -s libcudart.so.10.2.89 libcudart.so.10.1
cd /usr/local/cuda-10.2/extras/CUPTI/lib64
ln -s libcupti.so.10.2.75 libcupti.so.10.1
De esta manera, tensorflow usará la biblioteca cuda10.2 como cuda10.1.
Los resultados de la prueba se muestran a continuación para
ver cuántos dispositivos GPU se pueden usar.
referencia
[1] tensorflow2.x usa cuda10.2
[2] Preguntas y respuestas de Zhihu