一、环境配置版本信息：
安装tensorflow-gpu，需特别注意tensorflow-gpu、Python、CUDA、cuDNN版本的适配信息，版本不适配会导致tensorflow-gpu安装失败，该安装教程选择的软件版本信息为：ubuntu18.04 + Anaconda3.5.3.1 + Python3.6.12 + tensorflow-gpu2.2.0 + CUDA10.1 + cuDNN7.6.5
更多版本适配信息可参考官网：https://tensorflow.google.cn/install/source_windows
二、安装步骤：
1、安装Anaconda：
https://blog.csdn.net/a745233700/article/details/109376667
2、使用Anaconda创建Python环境：
（1）基于python3.6创建一个名为py36的环境
conda create -n py36 python=3.6.12
（2）激活环境：
conda activate py36
3、安装tensorflow-gpu 2.2.0:
pip install tensorflow-gpu==2.2.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
4、安装CUDA 10.1：
conda install cudatoolkit=10.1 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/linux-64/
5、安装cuDNN 7.6.5：
conda install cudnn=7.6.5
6、测试是否安装成功：
import tensorflow as tf
# 检查tensorflow是否得到CUDA支持，安装成功则显示true，否则为false
tf.test.is_built_with_cuda()
# 检查tensorflow是否可以获取到GPU，安装成功则显示true，否则为false
tf.test.is_gpu_available()
三、遇到的问题及解决方案：
1、安装完Anaconda后，会有一个默认的base运行环境，能否直接在默认的环境中安装tensorflow？还是必须新建一个新的运行环境？
不要直接使用默认的环境安装，最好不同任务使用不同环境，在默认环境安装新的模块可能会有冲突，导致Anaconda崩溃，最终需要卸载重装。
在默认base运行环境安装tensorflow-gpu 2.2.0的过程中，由于需更新Python的版本，会导致与原本的模块冲突而造成Anaconda崩溃。
2、tf.test.is_gpu_available()的运行结果为false：
（1）首先确保tensorflow-gpu、Python、CUDA、cuDNN版本的适配信息，如果不适配，则卸载不适配的版本并重装，如果版本适配，则进入步骤(2)；
（2）配置cuda的环境变量：
打开 ~/.bashrc (vim ~/.bashrc)，配置下面的环境变量：
export CUDA_HOME=/root/anaconda3/pkgs/cudatoolkit-10.1.243-h6bb024c_0/lib
export PATH=$PATH:$CUDA_HOME/bin
CUDA_HOME指向cuda包的安装路径，anaconda安装的软件包默认都放在/root/anaconda3/pkgs路径下
（3）更新环境变量：
source ~/.bashrc
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/100039.html原文链接：https://javaforall.net
