ubuntu20.04+CUDA+Cudnn+tensorflow

怎么用nvidia显卡  跑深度学习的模型

1、首先，你有一台电脑，操作系统为ubuntu18.04。

第一步：就是安装nvidia显卡的驱动，让显卡能正常工作。

（1）第一种方法：进入英伟达官网下载：  https://www.nvidia.cn/Download/index.aspx?lang=cn

   根据你的显卡类型选择：

  

下载以后安装就行

 

（2）第二种方法： 在终端输入：ubuntu-drivers devices

 

 

 

 

 

 

driver后面时对应的驱动

如果没有特别的需求，直接 安装推荐的驱动， sudo ubuntu-drivers autoinstall

 

第二步：进入官网安装CUDA 工具包

    下载地址：  https://developer.nvidia.com/cuda-toolkit-archive

        NVIDIA® CUDA® 工具包提供了开发环境，可供创建经 GPU 加速的高性能应用。借助 CUDA 工具包，您可以在经 GPU 加速的嵌入式系统、台式工作站、企业数据中心、基于云的平台和 HPC 超级计算机中开发、优化和部署应用。此工具包中包含多个 GPU 加速库、多种调试和优化工具、一个 C/C++ 编译器以及一个用于在主要架构（包括 x86、Arm 和 POWER）上构建和部署应用的运行时库。

       借助多 GPU 配置中用于分布式计算的多项内置功能，科学家和研究人员能够开发出可从单个 GPU 工作站扩展到配置数千个 GPU 的云端设施的应用。

 

官网上有安装步骤 ，根据安装经验这里推荐采用runfile(local)方法，

记得修改环境变量，再运行命令：sudo vi ~/.bashrc

 

 

CUDA的卸载

进入到/usr/local/cuda-11.0/bin目录下，而不是cuda目录。然后打开终端，输入sudo ./cuda-uninstaller。

 

 

 

第三步：进入官网安装cudnn  

   下载地址：   https://developer.nvidia.com/rdp/cudnn-archive

       NVIDIA CUDA® 深度神经网络库 (cuDNN) 是经 GPU 加速的深度神经网络基元库。cuDNN 可大幅优化标准例程（例如用于前向传播和反向传播的卷积层、池化层、归一化层和激活层）的实施。

       世界各地的深度学习研究人员和框架开发者都依赖 cuDNN 实现高性能 GPU 加速。借助 cuDNN，研究人员和开发者可以专注于训练神经网络及开发软件应用，而不必花时间进行低层级的 GPU 性能调整。cuDNN 可加速广泛应用的深度学习框架，包括 Caffe2、Chainer、Keras、MATLAB、MxNet、PyTorch 和 TensorFlow。如需获取经 NVIDIA 优化且已在框架中集成 cuDNN 的深度学习框架容器，请访问 NVIDIA GPU CLOUD 了解详情并开始使用。

 

cudnn的版本和 cuda都是对应的，下载后， 

对下载的cudnn-11.0-linux-x64-v8.0.5.39.tgz进行解压操作，得到一个文件夹cudnn***，命令为：

tar -xvf cudnn-11.0-linux-x64-v8.0.5.39.tgz

然后进入该文件夹，使用下面两条指令复制文件到/usr/local/cuda-11.0/lib64/和/usr/local/cuda-11.0/include/中。

cp   lib64/*       /usr/local/cuda-11.0/lib64/
cp   include/*   /usr/local/cuda-11.0/include/

拷贝完成后，我们可以使用如下的命令查看cuDNN的信息：

cat /usr/local/cuda-11.0/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

 

第四步，安装TensorFlow-GPU

 

 

 

容器时如何调用GPU的，请看下面一篇博客

https://blog.csdn.net/xie_cinnamon/article/details/109037462