Instale o tensorflow no sistema ubuntu19.10

1. Comparação de várias versões do tensorflow

Antes de instalar o tensorflow, preste atenção à relação entre a versão cuda e a versão cudnn correspondente a cada versão do tensorflow e, em seguida, instale-a. A lista a seguir é a versão tensorflow-gpu correspondente a cada versão cuda e cudnn.
Versão Linux

Versão correspondente do MacOS

2. Instale CUDA + CUDNN

O ambiente CUDA é uma biblioteca de aceleração de hardware comumente usada no aprendizado profundo e não será descrito em detalhes aqui. Para o processo de instalação, consulte outro blog do autor, tutorial de instalação do Ubuntu CUDA e CUDNN .

3. Modifique o arquivo de link

O ambiente usado pelo autor é ubuntu19.10, bem como CUDA10.2 e CUDNN7.6.5. No entanto, atualmente, tensorflow não lançou o pacote de instalação cuda10.2 para tensorflow-gpu, então a seguinte situação ocorrerá ao instalar tensorflow-2.2.0 nesta situação:
então tensorflow-gpu 2.2.0 não pode ser usado. Existem duas maneiras de resolver este problema. O primeiro método é usar diretamente a ferramenta bazel para compilar a partir do código-fonte, gerar o arquivo whl e instalá-lo. Este método não será descrito por enquanto. Em um artigo posterior, será descrito como construir o pacote de instalação do tensorflow a partir do código-fonte. Amigos interessados ​​podem ver O método de construção do código-fonte dos documentos oficiais . A segunda é modificar o soft link do arquivo de biblioteca. Para fazer tensorflow-gpu2.2.0 usar o arquivo de biblioteca cuda10.2, você só precisa criar um link simbólico entre os dois arquivos a seguir

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

Dessa forma, o tensorflow usará a biblioteca cuda10.2 como cuda10.1.
Os resultados do teste são mostrados abaixo para
ver quantos dispositivos GPU podem ser usados.

referência

[1] tensorflow2.x usa cuda10.2
[2] Zhihu Q&A