CUDA 11.7 版本下安装Tensorflow-gpu以及Keras (Windows以及Ubuntu)-Toy模板网

这篇具有很好参考价值的文章主要介绍了CUDA 11.7 版本下安装Tensorflow-gpu以及Keras (Windows以及Ubuntu)。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

记录：在复现论文代码时碰到使用keras环境，于是在自己windows系统的台式机（RTX 3080；CUDA 11.7）上进行了安装，但是发现台式机的显存无法支持程序的运行。于是将一摸一样的环境配置到更大现存的Ubuntu服务器（CUDA 11.7）上，但配置环境出错，一直无法调用GPU。经过一天的摸索，从网上其他博客中找到答案，虽然不懂其中的道理，但先记录下来。

1. 待配置环境的版本

Python: 3.8.0
CUDA: 11.3.1
cuDNN: 8.2.1
Tensorflow-gpu: 2.7.0
Keras: 2.7.0

2. Windows下使用conda和pip安装Tensorflow-gpu以及Keras

首先在Conda下创建虚拟环境且激活：
conda create -n tf-gpu python=3.8.0
conda activate tf-gpu
在命令行中安装cudatoolkit：
conda install cudatoolkit=11.3.1
在命令行中安装cudnn：
conda install cudnn=8.2.1
通过pip命令安装Tensorflow-gpu：
pip install tensorflow-gpu==2.7.0
也可以使用清华源使安装速度提升（注意与上一步目的相同）：
pip install tensorflow-gpu==2.7.0 -i https://pypi.tuna.tsinghua.edu.cn/simple --user
检查Tensorflow是否可用：
使用tf.test.is_gpu_available()检查Tensorflow中是否可用GPU，出现“True”则可用，出现“Flase”则表示GPU不可用。
接着同样使用pip命令安装keras（使用清华源加速）：
pip install keras==2.7.0 -i https://pypi.tuna.tsinghua.edu.cn/simple --user

3. Ubuntu下使用conda和pip安装Tensorflow-gpu以及Keras

使用nvidia-smi查看已有CUDA版本为11.7，待配置的环境版本与Windows配置的版本一致：
安装Tensorflow方法与上述Windows中的方法一致，然而我在Ubuntu中使用tf.test.is_gpu_available()检查是否能够使用GPU时出现“Flase”：
检查上面的提示报错信息，有这么一句话值得注意（大意是无法找到动态库 libcudnn.so.8）：

Could not load dynamic library 'libcudnn.so.8'; dlerror: libcudnn.so.8: cannot open shared object file: No such file or directory

我们通过以下几行代码来解决上述问题：
-locate libcudnn.so.8 （找到该动态库）

可以看到上述图片中找到了两个locate libcudnn.so.8的路径，由于我安装的cudnn=8.2.1，所以我以第3行找到的路径为接下来所需的动态库locate libcudnn.so.8的路径。
-sudo vim /etc/profile （打开环境文件）
-在环境文件中插入下述语句（：插入，esc 退出编辑模式，wq 保存环境文件且退出）：
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/home/xxx/miniconda3/pkgs/cudnn-8.2.1-cuda11.3_0/lib （注意其中/home/xxx/miniconda3/pkgs/cudnn-8.2.1-cuda11.3_0/lib为之前代码找到的动态库的路径）
-source /etc/profile （更新环境文件）
接下来重新激活上述环境且使用tf.test.is_gpu_available()检查是否能够使用GPU（此时提示“True”证明GPU可用。若仍然提示“Flase”，可按照上述几行代码，将无法加载的动态库都找到对应的路径且写入环境文件中。我在配置环境中除了libcudnn.so.8还有libcudart.so.11.0，通过上述几行代码成功的解决了无法使用GPU的问题）：
接下来同Windows一样，使用pip install keras==2.7.0安装keras，检查后确认成功安装！