?記錄：在復現(xiàn)論文代碼時碰到使用keras環(huán)境，于是在自己windows系統(tǒng)的臺式機（RTX 3080；CUDA 11.7）上進行了安裝，但是發(fā)現(xiàn)臺式機的顯存無法支持程序的運行。于是將一摸一樣的環(huán)境配置到更大現(xiàn)存的Ubuntu服務器（CUDA 11.7）上，但配置環(huán)境出錯，一直無法調用GPU。經過一天的摸索，從網(wǎng)上其他博客中找到答案，雖然不懂其中的道理，但先記錄下來。

1. 待配置環(huán)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安裝Tensorflow-gpu以及Keras

• 首先在Conda下創(chuàng)建虛擬環(huán)境且激活：
  conda create -n tf-gpu python=3.8.0
conda activate tf-gpu
• 在命令行中安裝cudatoolkit：
  conda install cudatoolkit=11.3.1
• 在命令行中安裝cudnn：
  conda install cudnn=8.2.1
• 通過pip命令安裝Tensorflow-gpu：
  pip install tensorflow-gpu==2.7.0
• 也可以使用清華源使安裝速度提升（注意與上一步目的相同）：
  pip install tensorflow-gpu==2.7.0 -i https://pypi.tuna.tsinghua.edu.cn/simple --user
  
• 檢查Tensorflow是否可用：
  
• 使用tf.test.is_gpu_available()檢查Tensorflow中是否可用GPU，出現(xiàn)“True”則可用，出現(xiàn)“Flase”則表示GPU不可用。
• 接著同樣使用pip命令安裝keras（使用清華源加速）：
  pip install keras==2.7.0 -i https://pypi.tuna.tsinghua.edu.cn/simple --user
  

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

• 使用nvidia-smi查看已有CUDA版本為11.7，待配置的環(huán)境版本與Windows配置的版本一致：
  
• 安裝Tensorflow方法與上述Windows中的方法一致，然而我在Ubuntu中使用tf.test.is_gpu_available()檢查是否能夠使用GPU時出現(xiàn)“Flase”：
  
• 檢查上面的提示報錯信息，有這么一句話值得注意（大意是無法找到動態(tài)庫 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

• 我們通過以下幾行代碼來解決上述問題：
  -locate libcudnn.so.8 （找到該動態(tài)庫）
  
  可以看到上述圖片中找到了兩個locate libcudnn.so.8的路徑，由于我安裝的cudnn=8.2.1，所以我以第3行找到的路徑為接下來所需的動態(tài)庫locate libcudnn.so.8的路徑。
  -sudo vim /etc/profile （打開環(huán)境文件）
  -在環(huán)境文件中插入下述語句（：插入，esc 退出編輯模式，wq 保存環(huán)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為之前代碼找到的動態(tài)庫的路徑）
  -source /etc/profile （更新環(huán)境文件）
• 接下來重新激活上述環(huán)境且使用tf.test.is_gpu_available()檢查是否能夠使用GPU（此時提示“True”證明GPU可用。若仍然提示“Flase”，可按照上述幾行代碼，將無法加載的動態(tài)庫都找到對應的路徑且寫入環(huán)境文件中。我在配置環(huán)境中除了libcudnn.so.8還有l(wèi)ibcudart.so.11.0，通過上述幾行代碼成功的解決了無法使用GPU的問題）：
  
• 接下來同Windows一樣，使用pip install keras==2.7.0安裝keras，檢查后確認成功安裝！

上述安裝Tensorflow-gpu以及Keras過程中，我參考兩個博客，傳送：博客-1， 博客-2文章來源地址http://www.zghlxwxcb.cn/news/detail-790342.html

到了這里，關于CUDA 11.7 版本下安裝Tensorflow-gpu以及Keras (Windows以及Ubuntu)的文章就介紹完了。如果您還想了解更多內容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關文章，希望大家以后多多支持TOY模板網(wǎng)！