Ubuntu + RTX 30 series 安装 TensorFlow-GPU

原创 已于 2022-05-18 21:51:40 修改 · 1k 阅读 · 4 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#tensorflow #ubuntu

于 2022-05-18 15:02:02 首次发布
本文介绍了在Ubuntu系统上，针对RTX 30系列显卡安装TensorFlow-GPU的过程中遇到的问题及解决方案。主要内容包括选择适合RTX 30系列的TensorFlow版本，探讨了Docker和Anaconda两种环境隔离方法，以及详细步骤如安装NVIDIA驱动、Docker、下载TensorFlow镜像和创建新环境。

Ubuntu + RTX 30 series 安装 TensorFlow-GPU

在实验室服务器上安装TensorFlow遇到挺多坑，包括30系显卡适用的TensorFlow版本，以及如何在公用环境中配置自己的环境时不影响到别人，所以记录一下这些问题和解决方案。

  1. GeForce RTX 30 series 显卡匹配的 TensorFlow 版本

RTX 30系显卡采用了新的Ampere架构，支持CUDA 11.1及以上版本。根据TensorFlow官网提供的对应关系，官方支持的版本中需要tensorflow-2.5.0及以上才适配到CUDA 11.2，也就是官方支持的版本完全不适配tensorflow-1.x。

但是为了加速创新，使研发人员能快速构建环境，NVIDIA官方提供了一个镜像仓库NGC，提供多种深度学习框架的docker镜像。其中，Google Brain Team 维护了TensorFlow的镜像更新，支持最新版本的CUDA与TensorFlow适配。不同镜像版本支持的操作系统、CUDA版本、TensorFLow版本等在手册中进行了说明，每个Release版本包含一个最新的 TensorFlow 1.x 版本和一个 2.x 版本。

  1. 环境的独立性

每个 TensorFlow 版本都需要不同的 CUDA 版本，因此 CUDA 不应该安装在基础环境中，虽然我在上篇博客里写了主机环境中 CUDA 版本的切换，但这种方式并不利于维护，对以后的使用者会造成很多麻烦。因此，推荐以下两种配置方式。

第一种是使用 Docker 安装上述 NGC 容器环境，配置和使用简单，主机只需要具备显卡驱动即可。缺点是镜像比较大，如果需要多个版本的切换，比较冗余。

第二种是在 Anaconda 里安装 CUDA ，在虚拟环境中使用conda install cudatoolkit=11.2.0命令安装，不改变基础环境。但这种方式可能需要自己研究一下版本的匹配关系。

准备工作

安装NVIDIA显卡驱动：

选择显卡型号和操作系统（以RTX 3090/Ubuntu 20.04为例），点击Search获取显卡驱动下载链接，然后运行.run文件，根据提示安装即可。

wget https://us.download.nvidia.com/XFree86/Linux-x86_64/510.73.05
最低0.47元/天 解锁文章
zhy_27
关注
【linux】AMD GPU和NVIDIA GPU驱动安装
数字人生
03-31 5150
综上，根据用户对性能和特性的需求以及所使用的Linux发行版，AMD GPU的驱动在安装上可以被认为相对简便，尤其是当满足于开源驱动提供的性能时。为了充分利用显卡的高性能计算（HPC）功能，可能需要安装AMDGPU-PRO驱动，这是AMD的官方专有驱动，它提供对OpenCL和其他专用计算框架的全面支持。对于Linux用户，AMD通常提供可执行的安装文件（比如`.run`或者`.sh`文件）或者用于各个发行版的包管理格式（例如Debian的`.deb`或者RedHat的`.rpm`）。
GPU加速大数据处理：从入门到精通，一篇就够了！
最新发布
AI天才研究院
08-30 1388
大数据处理的核心挑战在于如何高效地对海量、高维、异构的数据进行存储、计算和分析。传统的CPU架构，虽然设计灵活，擅长处理复杂的控制逻辑和串行任务，但在面对大规模并行计算时，其有限的核心数量和相对较低的内存带宽就显得力不从心。以典型的CPU为例，主流服务器级CPU通常拥有10-30个物理核心（支持超线程后逻辑核心数翻倍），而高端GPU则动辄拥有数千甚至上万个流处理器（CUDA Cores或Stream Processors）。
ubuntu22.04 安装 tensorflow(gpu)+ cuda + cudnn
gigglehuahua的博客
11-10 3799
ubuntu22.04 安装 tensorflow(gpu)+ cuda + cudnn
Ubuntu22.04 下使用 Conda 安装 tensorflow-gpu 版本
努力中的老周的专栏
05-22 4982
Ubuntu22.04 使用 Conda 安装 tensorflow-gpu
30系显卡配置tensorflow1.x环境
TTMer's blog:
12-07 5840
说明： nvidia 30系显卡仅支持cuda11.0及以上版本，对应cudnn最低版本为8.0，tf版本为2.4.0 在win系统中无法实现30系显卡运行tf1的代码 该教程使用的环境如下： Ubuntu20.04 3060 显卡 cuda 11.1 cudnn 8.0.5 python 3.6 tensorflow 1.15 其中 python 版本和 tensorflow 版本是固定的 简陋的目录 安装显卡驱动 安装cuda 安装cudnn 安装python(直接略过，我使用的cond.
TensorFlow学习（五）之Ubuntu16.04安装TensorFlow———GPU版本（gtx1070+ubuntu16.04）
comway_Li的博客
12-08 5910
Ubuntu16.04系统安装系列： Ubuntu系统安装QQ+百度云盘+微信+迅雷下载等​​​​​​​ Ubuntu系统安装网易云音乐 Ubuntu系统安装搜狗输入法 Ubuntu系统安装SMPlayer播放器 Ubuntu系统安装sublime编辑器 Ubuntu系统安装vim...
ubuntu22.04从新系统到tensorflow GPU支持
grassygreen的博客
05-06 698
【代码】ubuntu22.04从新系统到tensorflow GPU支持。
【ubuntu查看显卡、配置显卡、cuda、cudnn，NCCL】
深耕CV
04-11 9090
ubuntu查看显卡、配置显卡、cuda、cudnn？
k8s中如何使用gpu、gpu资源讲解、nvidia gpu驱动安装
MssGuo的博客
10-12 1万+
gpu资源也是服务器中常见的一种资源，gpu即显卡，一般用在人工智能、图文识别、大模型等领域，其中nvidia gpu是nvidia公司生产的nvidia类型的显卡，amd gpu则是adm公司生产的amd类型gpu。企业中服务器最常见的就是英伟达gpu服务器了。本篇也主要讲解英伟达驱动相关的知识。
win10 RTX30系列显卡 安装tensorflow-gpu 1.15
FortuneLegend的博客
07-24 3610
win10 30系列显卡 tensorflow-gpu 1.15 安装
关于RTX30系显卡安装tensorflow-gpu的问题
weixin_42240955的博客
12-22 2508
关于RTX30系显卡安装tensorflow-gpu的问题 之前按照网上的教程安装nightly版的tensorflow-gpu，但是总报错误，昨天重新配置了一个环境终于不报错了，跟大家分享一下。 环境 Win10+Python3.6+CUDA11.1+Cudnn8.0.4 安装 我首先用conda install pytorch torchvision cudatoolkit=11 -c pytorch-nightly来安装了最新的pytorch 然后在https://pypi.org/下载的tf_ni
深度学习环境配置8——（30系显卡）windows下的torch==1.7.1环境配置
热门推荐
Bubbliiiing的学习小课堂
10-13 9万+
深度学习环境配置8——（30系显卡）windows下的torch==1.7.0环境配置注意事项一、2021/10/8更新学习前言环境内容环境配置一、Anaconda安装1、Anaconda的下载2、Anaconda的安装二、Cudnn和CUDA的下载和安装1、Cudnn和CUDA的下载2、Cudnn和CUDA的安装三、配置tensorflow2-gpu环境1、tensorflow2-gpu环境的创建与激活2、tensorflow2-gpu库的安装3、其它依赖库的安装4、安装较慢请注意换源四、安装VSCODE
Ubuntu 20.04 安装 tensorflow-gpu
大黄的非羊
03-30 4523
一行命令解决tensorflow安装问题
Linux Ubuntu配置GPU，并运行tensorflow demo
little_boy_lm的博客
07-04 530
最后一行如果显示如下信息，那么恭喜你安装成功！，注意这里需要登录nvidia才能下载。
实验室服务器安装tensorflow-gpu
qq_44898938的博客
06-29 4230
首先，我对自己装环境之前的困惑进行总结。 1.实验室服务器上有cuda版本，还需要自己在重新装cuda toolkit吗？答案是肯定的，服务器上含有的只是cuda的驱动。 2.想要安装tensorflow-gpu版本的，那么安装软件的顺序是什么呢？答案是：cudatoolkit→cudnn→tensorflow-gpu，一定要按顺序安装，防止出现错误。 其次，既然已经搞清楚相关的安装内容，那下面就开始安装吧，这里我首先采用的手动安装cudatoolkit，从官网下载安装包，在服务器上进行安装，但是由于没有权
Ubuntu18.04 + RTX3090安装tensorflow-GPU1.15.4
weixin_42974063的博客
02-19 1018
RTX3090安装tensorflow1.15.4
rtx30系列显卡运行tf1程序
qq_3475669699
02-03 540
rtx30系列显卡运行tf1程序
Ubuntu22.04安装Cuda11.3和Cudnn8.5的深度学习GPU环境
年少的勇气已经用完，剩下的就是三思而后行
09-15 7630
安装完成驱动以后，命令是可用的，会输出显卡信息。 进入cuda-toolkit-archive 官网会看到众多版本的cuda包，此处我们选择cuda11.3 ，选择11.3的原因有以下几点：综上，我们最好选择作为我们的安装版本。在选择安装中，没有提供22.04的cuda安装包，但是我们可以去下载安装20.04的包，cuda默认向下兼容。安装之前再检查下是否安装gcc： ，如果没有安装，则执行以下命令： 给出的安装命令有7条，我们只需要执行除去1和2的剩下的5行即可： 确认一下cuda在本电脑上的具体文件夹名
2021-07-12 在 GeForce RTX 3090上配置深度学习环境 cuda 11.1 + tensorflow2.5.0 + python3.8.3
Julse的博客
07-13 3971
GeForce RTX 3090 配置环境的过程遇到了很多问题，最后成功配置的版本如下 tensorflow-gpu 2.5.0 cudnn 8.1.0.77 python 3.8.3 cuda 11.1 参考的版本对应关系如图 成功安装的细节 安装tensorflow-gpu 2.5.0 conda activate 虚拟环境名字 pip install tensorflow-gpu==2.5.0 # conda install tensorflow-gpu=2.5.0 会找不到
怎么给RTX5060安装CUDA驱动
08-01
<think>我们正在为RTX 5060显卡安装CUDA驱动。首先需要明确：CUDA驱动实际上指的是NVIDIA显卡驱动，因为CUDA驱动是包含在NVIDIA显卡驱动中的。而CUDA Toolkit是开发工具包，通常需要单独安装。 根据引用[3]中的信息，在Ubuntu系统中可以使用`ubuntu-drivers devices`命令来检测推荐的驱动程序。对于RTX 5060，由于它是较新的显卡，我们需要安装最新的驱动程序以支持它。 步骤： 1. 首先，更新系统包列表： ```bash sudo apt update ``` 2. 安装依赖： ```bash sudo apt install build-essential libglvnd-dev pkg-config ``` 3. 查看推荐的驱动程序（引用[3]的方法）： ```bash ubuntu-drivers devices ``` 这个命令会列出可用的驱动，并推荐一个。对于RTX 5060，我们需要安装最新的驱动（比如535或更高版本）。 4. 安装推荐的驱动（假设推荐的是nvidia-driver-535）： ```bash sudo apt install nvidia-driver-535 ``` 或者，我们可以选择安装最新的驱动（从官方PPA）： ```bash sudo add-apt-repository ppa:graphics-drivers/ppa sudo apt update sudo apt install nvidia-driver-535 # 或者使用最新版本号 ``` 5. 重启系统： ```bash sudo reboot ``` 6. 验证驱动安装： ```bash nvidia-smi ``` 输出中会显示驱动版本和CUDA版本（注意：这里显示的是驱动支持的最高CUDA版本，不是Toolkit版本）。 7. 安装CUDA Toolkit（如果需要开发环境）： 根据`nvidia-smi`输出的CUDA版本，去NVIDIA官网下载对应的CUDA Toolkit。例如，如果显示支持CUDA 12.2，则下载CUDA Toolkit 12.2。 下载地址：https://developer.nvidia.com/cuda-toolkit-archive 选择对应版本，按照官网的安装指南进行安装（通常有deb或runfile安装方式）。 8. 设置环境变量（如果使用runfile安装，需要手动设置）： 在`~/.bashrc`文件中添加： ```bash export PATH=/usr/local/cuda-12.2/bin${PATH:+:${PATH}} export LD_LIBRARY_PATH=/usr/local/cuda-12.2/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}} ``` 然后执行： ```bash source ~/.bashrc ``` 9. 验证CUDA Toolkit安装： ```bash nvcc --version ``` 注意：如果遇到类似引用[2]中的问题（CUDA error: no kernel image is available for execution on the driver），这通常是由于安装的PyTorch版本与CUDA版本不匹配造成的。需要确保安装的PyTorch版本与CUDA版本兼容。例如，如果安装了CUDA 12.x，那么需要安装支持CUDA 12.x的PyTorch版本。 另外，对于RTX 5060这样的新显卡，建议使用最新版本的驱动和CUDA Toolkit，以确保完全支持。 如果是在Windows系统上安装，步骤更简单： 1. 访问NVIDIA官网下载驱动程序：https://www.nvidia.com/Download/index.aspx 2. 输入显卡型号（RTX 5060）和操作系统，下载最新驱动。 3. 运行安装程序，按照提示安装。 4. 安装后，在命令行中输入`nvidia-smi`来验证驱动安装。 5. 如果需要CUDA Toolkit，从CUDA Toolkit Archive下载并安装。 注意：在Windows上，CUDA Toolkit安装过程中会包含驱动，但通常我们建议先单独安装最新驱动，然后再安装CUDA Toolkit（如果驱动版本不够，安装程序会提示）。 引用说明： 引用[3]提供了在Ubuntu上检测和安装驱动的方法。 引用[2]提醒我们注意驱动和CUDA Toolkit版本匹配问题，以及软件（如PyTorch）对CUDA版本的要求。 相关问题： 1. 如何确认RTX 5060显卡是否被系统正确识别？ 2. 如何在Ubuntu上安装特定版本的CUDA Toolkit？ 3. 如何解决安装NVIDIA驱动后出现的登录循环问题？ 4. 如何为PyTorch安装对应CUDA版本的GPU支持？</think>为 RTX 5060 显卡安装 CUDA 驱动的完整指南如下： ### 🛠️ 步骤 1：确认系统兼容性 1. **操作系统要求**： - Ubuntu 20.04/22.04 LTS 或 Windows 10/11（64位） - 内核版本 ≥ 5.15（Linux） - 确保系统已更新： ```bash sudo apt update && sudo apt upgrade -y # Linux ``` 2. **硬件检查**： - 确认显卡已正确安装： ```bash lspci | grep -i nvidia # Linux ``` - 检查电源：RTX 5060 建议 ≥ 550W 电源 ### ⬇️ 步骤 2：安装 NVIDIA 驱动（包含 CUDA 驱动） #### Linux 系统（推荐方法） 1. **添加官方驱动仓库**： ```bash sudo add-apt-repository ppa:graphics-drivers/ppa sudo apt update ``` 2. **自动安装推荐驱动**： ```bash sudo ubuntu-drivers autoinstall # 自动选择兼容驱动[^3] ``` 3. **或手动安装最新驱动**（RTX 5060 需 ≥535 版本）： ```bash sudo apt install nvidia-driver-535 ``` #### Windows 系统 1. 访问 [NVIDIA 驱动下载页](https://www.nvidia.com/Download/index.aspx) 2. 选择： - 产品类型：GeForce - 产品系列：RTX 50 Series - 产品：RTX 5060 - 操作系统：选择您的 Windows 版本 3. 下载并运行安装程序 ### ✅ 步骤 3：验证驱动安装 ```bash nvidia-smi # 所有系统通用 ``` 输出应包含： ``` +---------------------------------------------------------------------------------------+ | NVIDIA-SMI 535.86.05 Driver Version: 535.86.05 CUDA Version: 12.2 | |-----------------------------------------+----------------------+----------------------+ ``` 注意：`CUDA Version` 显示的是驱动支持的**最高 CUDA 版本**[^2] ### 📦 步骤 4：安装 CUDA Toolkit（开发需要） > 仅需开发 CUDA 应用时安装 1. **访问 [CUDA Toolkit Archive](https://developer.nvidia.com/cuda-toolkit-archive)** 2. 根据 `nvidia-smi` 显示的 CUDA 版本选择（如 12.2） 3. 按操作系统选择安装方式： - **Linux**： ```bash wget https://developer.download.nvidia.com/compute/cuda/12.2.0/local_installers/cuda_12.2.0_535.86.05_linux.run sudo sh cuda_12.2.0_535.86.05_linux.run ``` - **Windows**：下载 exe 安装程序 4. **配置环境变量**（Linux）： ```bash echo 'export PATH=/usr/local/cuda/bin:$PATH' >> ~/.bashrc echo 'export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc source ~/.bashrc ``` ### 🧪 步骤 5：验证完整安装 ```bash nvcc --version # 检查 CUDA 编译器 ``` 应输出类似： ``` nvcc: NVIDIA (R) Cuda compiler driver Copyright (c) 2005-2023 NVIDIA Corporation Built on Wed_Nov_22_10:17:15_PST_2023 Cuda compilation tools, release 12.2, V12.2.128 ``` ### ⚠️ 常见问题解决 1. **驱动不兼容**： - 确保安装 ≥535 版本驱动 - 完全卸载旧驱动： ```bash sudo nvidia-uninstall # Windows/Linux sudo apt purge nvidia-* # Linux ``` 2. **"no kernel image" 错误**[^2]： - 更新 PyTorch/TensorFlow 到支持 CUDA 12 的版本 - 或降低 CUDA Toolkit 版本匹配框架要求 3. **Xorg 冲突**（Linux）： ```bash sudo telinit 3 # 切换到控制台安装 sudo service gdm stop # 停止显示管理器 ``` > 💡 提示：RTX 5060 需搭配 CUDA ≥12.2 才能发挥完整性能 --- ### 🔍 相关问题 1. 如何确认 RTX 5060 是否被 PyTorch/TensorFlow 正确识别？ 2. CUDA Toolkit 和 cuDNN 的版本兼容关系是什么？ 3. 如何在 Ubuntu 22.04 上安装支持 CUDA 12 的 PyTorch？ 4. RTX 5060 与不同 CUDA 版本的性能对比测试方法？
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值