deepin v20.8下 配置 tensorflow-gpu + cuda + cudnn + pycharm

本文使用系统环境安装

一定要用Anaconda！

一定要用Anaconda！一定要用Anaconda！一定要用Anaconda！

显卡驱动

我的电脑时 联想拯救者Y7000 2019, 显卡是 GTX 1650, 我安装的显卡驱动 是 Deepin软件 包的，CUDA也是 Deepin包里默认的

sudo apt install nvidia-driver
sudo apt install nvidia-cuda-toolkit

Anaconda

官网或者镜像都可以，安装就是了

cuDnn

我是使用tar包安装的，对于 deepin 20.8 （基于debian10）找不到对应的deb包，所以别用deb（也可能是我的问题）。
官方指导
先下载对应 cuda 版本的 cudnn tar包
我的cuda是11.6

像下面这样

1. 切换到包含cudnn的目录。
2. 解压缩 cuDNN 包。

tar -xvf cudnn-linux-x86_64-8.x.x.x_cudaX.Y-archive.tar.xz

3. 将以下文件复制到 CUDA 工具包目录中。

sudo cp cudnn-*-archive/include/cudnn*.h /usr/local/cuda/include 
sudo cp -P cudnn-*-archive/lib/libcudnn* /usr/local/cuda/lib64 
sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*

添加环境变量（缺少libcudnn.so.8)

在~/.bashrc 中添加

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda
# 似乎直接创建就行，不用拼接

不添加环境变量的话，使用gpu 的时候就会报错 ： 缺少：libcudnn.so.8文件

创建并激活虚拟环境

conda create -n XXX python=3.7 # 我使用的是3.7 对应的tensorflow版本是 2.1.0
conda activate XXX

安装Tensorflow

在你创建的虚拟环境中

conda install tensorflow-gpu==2.1.0 # 这是我使用的版本，可以自行选择，不过注意和python版本匹配
# conda 会自动安装tensorflow 相关的库

测试

python
import tensorflow as tf
tf.test.is_gpu_available()
# 最终返回true即可使用

Pycharm 环境变量配置

完成上述内容后，在Pycharm中选择现有的conda环境XXX，你发现仍旧不能正常使用GPU
这时候需要在
同样添加环境变量即可

LD_LIBRARY_PATH=/usr/local/cuda/lib64