☰

使用 CUDA 11.2 和 cuDNN 8.1-8.2（CUDA 460 驱动程序）设置 tensorflow-GPU Conda 环境

tag-icon • tag-icon nvidia cuda gpu-driver tensorflow conda
使用 CUDA 11.2 和 cuDNN 8.1-8.2（CUDA 460 驱动程序）设置 tensorflow-GPU Conda 环境

我正在尝试为 tensorflow-GPU 创建一个 conda 环境。我有一台 GeForce RTX 3080，运行 Ubuntu 21.04，安装了 CUDA 460 驱动程序（安全启动已禁用）。我尝试使用 conda 安装 cudatoolkit，但使用 conda 可用的最新版本是 11.0，它仅支持最高 CUDA 驱动程序 450。我在网上找不到任何关于如何将新的 CUDA 版本安装到 conda 环境中的信息，只能在全局环境中使用sudo或 .run 文件（我想远离它）。我假设我使用pip install cudatoolkit=11.2或类似的东西，但我不确定。

任何帮助都将不胜感激，因为我刚接触 Linux，还不是一个终端忍者。

谢谢

答案1

更新（2021 年 8 月 30 日）：Esri conda 频道有一个tensorflow-gpu似乎开箱即用的软件包。可以使用以下方式安装：

conda install -c esri tensorflow-gpu

如果这不起作用，看看下面的内容是否有帮助。

我有一个 Linux Mint 20.1 系统（基于 Ubuntu 20.04 LTS），配备 GeForce RTX 3080（驱动程序版本 460.80），在 conda 环境中尝试运行 Tensorflow 时遇到了很多问题。

问题似乎是目前没有正确打包 Tensorflow 2.4+、CUDA 11+ 和 CuDNN 8+ 的 conda 环境，而这些是在此较新的 GPU 架构上运行所必需的（更多信息这里)。如果您使用conda install -c anaconda tensorflow-gpu​，它将默认安装 TF v2.2、cudatoolkit 10.x 和 cudnn 7.x。如果您尝试强制使用较新的版本，tensorflow-gpu=2.4​它将只安装较旧的不兼容 cudatoolkit 10.x/cudnn 7.x 库或根本不安装它们。

可能有很多不同的方法可以做到这一点，但经过多次反复尝试后，我发现以下方法有效：

步骤1：创建一个conda环境并将cudatoolkit和cudnn安装到其中。

conda create -n tf_gpu_env -c conda-forge cudatoolkit cudnn python=3.8

在撰写本文时，这将在这个新环境中安装 cudatoolkit 11.2、cudnn 8.2 和 python 3.8.10。我使用了 conda-forge 通道，但想象anaconda和nvidia通道也可以工作。

第2步：使用以下命令激活环境并安装 tensorflow-gpupip 不是 conda。从 conda 安装要么需要很长时间，因为 conda 会在出错之前尝试解决冲突，要么会强制将 cudatoolkit 和 cudnn 降级到旧版本。

conda activate tf_gpu_env​
pip install tensorflow-gpu

截至撰写本文时，这将安装 Tensorflow-gpu 2.5.0

步骤3：检查 Tensorflow 是否正常工作并使用 GPU。确保已激活新环境并在终端中启动 Python 会话。我使用以下语句进行检查。

>>> import tensorflow as tf

应该返回一条消息说它已成功打开libcudart

>>> tf.config.list_physical_devices('GPU')

应该返回一条长消息，表明它成功打开了一堆 cuda 库，更重要的是，末尾有一个列表，其中有一个命名元组，表明它找到了 GPU（例如[PhysicalDevice(name='/physical_device:GPU:0', device_type='GPU')]）。如果返回一个空列表，则 Tensorflow 未使用 GPU。

tf.constant最后，使用或创建一些随机张量tf.random。这个检查非常重要。Tensorflow 仍然可以识别你的 GPU即使 cuda 库不兼容并在输入上述两个命令时返回类似的消息，表明一切正常。但是，如果它正常工作，则以下命令（或类似命令）应立即执行并返回张量：

>>> tf.random.uniform([4, 4, 4, 4])

如果出现问题，在得到答案之前会有一个非常长的延迟（尽管后续调用可能会很快）。如果你尝试运行实际模型，在运行第一个 epoch 之前会有一个持续数分钟或近一个小时的延迟，并且还有不可预测的行为（例如获取nan某些网络（如 CNN）的值），情况会更糟。

最后，有几点需要注意：

  • conda install在此环境中运行或时要小心conda update，并在按下回车键之前仔细检查软件包计划。例如，如果您使用 conda 安装tensorflow-probability，它也可能tensorflow-base作为依赖项安装，从而可以覆盖tensorflow-gpu。
  • 您还可以安装其他版本的 Tensorflow 和 cuda 库。例如，您也可以在上面的安装命令中使用cudatoolkit=11.0, cudnn=8.0, （pip 的双等号）来使用 TF 2.4.1、cudatoolkit 11.0 和 cudnn 8.0。tensorflow-gpu==2.4.1

相关内容