本文记录搭建的基本步骤及遇到的问题，在我的《深度学习环境搭建(一)》中已安装NVIDIA驱动，并可查到其驱动版本(CUDA版本对显卡驱动版本有要求，见表一)，本文不再赘述。
1 cuda10的安装
1.1 下载对应版本的安装包
| CUDA Toolkit | Linux x86_64 Driver Version | Windows x86_64 Driver Version |
|---|---|---|
| CUDA 10.1.105 | >= 418.39 | >= 418.96 |
| CUDA 10.0.130 | >= 410.48 | >= 411.31 |
| CUDA 9.2 (9.2.88) | >= 396.26 | >= 397.44 |
| CUDA 9.1 (9.1.85) | >= 390.46 | >= 391.29 |
| CUDA 9.0 (9.0.76) | >= 384.81 | >= 385.54 |
| CUDA 8.0 (8.0.61 GA2) | >= 375.26 | >= 376.51 |
| CUDA 8.0 (8.0.44) | >= 367.48 | >= 369.30 |
CUDA官方下载链接：https://developer.nvidia.com/cuda-10.0-download-archive
选项设置
1.2 安装CUDA
cp Dowloads #跳转到下载的安装包所在目录，若已在该目录，则无需跳转
sudo chmod 777 cuda_10.0.130_410.48_linux.run
sudo ./cuda_10.0.130_410.48_linux.run
先按q退出说明(more...)，然后安装设置如下：
图片源自网络
- 驱动在之前单独安装，所以这里NVIDIA Accelerated Graphics Driver选n；
- 创建软链接symbolic link，如果后续需要安装多个CUDA版本，这里可以选择n，但后面一定要记得手动创建软链接，否则cudnn的示例程序会报错，如果只装一个CUDA版本，就可以选择y；
1.3 配置CUDA环境
图片源自博客
本节参考原文链接：https://blog.csdn.net/qq_31456593/article/details/90170708
1.4 切换CUDA版本
我们可以看到，这个cuda是软链接，而cuda10.0是咱们刚刚安装的版本，我们将cuda这个软链接指向cuda10.0，即可完成版本切换，先跳转到cuda文件夹所在目录，一般在/usr/local里面，代码块如下：
stat cuda
nvcc --version
运行结果如下图所示，可以看到cuda软链接指向了cuda10.0，当前运行的是cuda10.0的版本。
切换cuda版本
sodu rm -rf cuda #删除现有的软链接
sudo ln -s /usr/local/cuda10.0 /usr/local/cuda #建立新的软链接
nvcc --version #查看当前使用的cuda版本
可以看到目前软链接指向了10.0
本节参考：https://www.jianshu.com/p/6a6fbce9073f
2 cuDNN7.6.2安装
这里我使用原文方法解压的时候报错了，所以选用了另一种下载方法：下载了3个deb包来安装，见下图最底部。
cuDNN官方下载链接：https://developer.nvidia.com/rdp/cudnn-download（需要登陆并同意协议后，才能下载）
cuDNN选择最下面三个deb包安装
cuDNN官网的安装教程链接：https://docs.nvidia.com/deeplearning/sdk/cudnn-install/index.html#axzz4qYJp45J2
两种方法二选一即可，我选用的第二种
3 Tensorflow2.0安装
3.1 安装
pip install tensorflow-gpu==2.0.0-beta1
3.2 验证：
import tensorflow as tf
tf.__version__ #出现Tensorflow的版本号即代表安装成功
后记：一定要记得为cuda添加软链接！因为之前忘了这一步，导致我在对cuDNN的sample编译时一直失败，折腾了很长时间！另外，在cuDNN方法一安装时，我在执行解压指令的时候有报错，等有时间了再修正～
网友评论