你好，Ubuntu 社区，
我正在尝试训练一种新的深度语音模型，就像这样描述。如果我按照每个步骤操作，我就可以训练一个模型。但它是在我的 CPU 上训练的。我尝试在我的 ubuntu 18.04.05 系统上安装CUDA-10.2和/或CUDA-10.0使用运行文件。我添加了$PATH和$LD_LIBRARY_PATH到.bashrc文件当然，我安装了最新的相关 cudnn 库。我尝试了dpkg-i 命令命令，也可以通过解压档案并复制将文件复制到相关的 cuda 文件夹：
sudo cp ...-archive/include/cudnn*.h /usr/local/cuda/include
sudo cp -P ...-archive/lib/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*
但是它仍然无法在我的 GPU 上运行。如果使用 Anaconda，那么我创建一个这样的环境：
conda create -n my-env python=3.6 tensorflow-gpu=1.15.0
它在 GPU 被使用时起作用。不幸的是，它稍后会出错。我认为这个错误与一些 lib 版本问题有关。但无论如何，我想知道没有 conda 的问题是什么。我知道 conda 带有一个独立版本的 cuda/cudnn 并且正在自行进行链接。但我的链接出了什么问题。是否有任何明显的错误或缺少的步骤？我过去可以为 cuda 11.x 管理它，但这已经是几个月前的事了，上次也没那么难。我很高兴得到任何提示。
迈克尔
答案1
我过去遇到过类似的问题，经过一番挖掘，发现这主要是因为 Conda 倾向于使用与系统无关的自己的 CUDA 和 CUDNN 版本（因为这样可以减少问题）。
我个人强烈推荐使用mamba（https://github.com/mamba-org/mamba)，因为我的速度更快，似乎更可靠，并且所有命令都只是替换。为此，只需安装“CUDN”，CUDA 就是它的依赖项，通过类似以下方式（conda为此使用，但如果您愿意，可以随意替换conda）mamba：
conda install -c conda-forge cudnn cudatoolkit
如果您愿意的话，下面的内容应该可以让您在裸机上启动并运行（假设您使用的是 Ubuntu）：
sudo apt install nvidia-cuda-toolkit
whereis cuda
从 Nvidia 下载 CUDNN 二进制文件（https://developer.nvidia.com/rdp/form/cudnn-download-survey）
提取使用tar -xvzf path-to-binary
然后将其复制到 CUDA 安装文件夹中（确保它与的输出相对应whereis cuda），尽管我在这里给出一个例子：
sudo cp cuda/include/cudnn.h /usr/lib/cuda/include/
sudo cp cuda/lib64/libcudnn* /usr/lib/cuda/lib64/
接下来更改为正确的用户权限（全部+读取）：
sudo chmod a+r /usr/lib/cuda/include/cudnn.h /usr/lib/cuda/lib64/libcudnn*
然后，您可以$PATH通过以下方式将所有内容添加到变量中：
echo 'export LD_LIBRARY_PATH=/usr/lib/cuda/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc
echo 'export LD_LIBRARY_PATH=/usr/lib/cuda/include:$LD_LIBRARY_PATH' >> ~/.bashrc
然后重新加载你的 shell，只需执行以下操作：
source ~/.bashrc
然后使用以下命令安装 TensorFlow pip：
pip install tensorflow
对于这两种安装，请尝试以下操作以确保您能够使用 GPU。
进入 Python shell（类似于python3你的终端）
>>> import tensorflow as tf
>>> tf.config.list_physical_devices("GPU")
[PhysicalDevice(name='/physical_device:GPU:0', device_type='GPU')]
如果一切顺利，应该会有与上面类似的结果，如果你有超过 1 个 GPU，你可能会有更多结果。
希望有帮助！