tensorflow安装

安装tensorflow需要有cuda和cudnn，cuda和cudnn有两种安装方法，一种是系统全局安装的，一种是在自己的conda环境里弄一份新的，这两个是可以共存的。

所以，先想好自己想用哪个cuda

方法一、使用系统全局的cuda和cudnn（一般是nvidia的驱动包带的）

注意tensorflow有严格的cuda对应关系，这里是最低的cuda版本要求。也就是安装tensorflow2.3.0最低要cuda10.1

https://tensorflow.google.cn/install/source#gpu

先查看本机安装的cuda版本，我这里是10.1

user@ubuntu:~$ ls -l /usr/local/cuda
lrwxrwxrwx 1 root root 21 Nov 11  2020 /usr/local/cuda -> /usr/local/cuda-10.1/
user@ubuntu:~$ cat /usr/local/cuda/version.txt
CUDA Version 10.1.105
BASH

nvidia-smi也可以看到一个CUDA version，但是这个是驱动最高支持的cuda版本，并不是本机安装的cuda版本

安装对应的tensorflow

pip install tensorflow==2.3.0
BASH

测试是否可用gpu

import tensorflow as tf
tf.test.is_gpu_available()
PYTHON

方法二、使用更高版本的cuda、cudnn和tensorflow（在conda环境里装个cuda运行时）

看看驱动支持的最高cuda版本：nvidia官网说明

使用nvidia-smi查看我的驱动是450.66，最高可以用cuda 11.0.3

cuda 11.0可以安装的tensorflow版本最高是tensorflow 2.4.0，需要cudnn 8.0

所以，先安装cudatoolkit 11.0

conda install cudatoolkit=11.0
BASH

安装cudnn 8.0

默认channel没有8.0的cudnn，但是conda-forge有

可以使用 conda search --full-name cudnn -c conda-forge 来搜索

conda install cudnn=8.0 -c conda-forge
APACHE

安装tensorflow 2.4.0

这里必须使用pip安装，conda安装的只有几百KB，不知道是什么，也不能用gpu

pip install tensorflow==2.4.0
APACHE

测试能否用gpu，同上一种方法。

import tensorflow as tf
tf.test.is_gpu_available()
PYTHON

大功告成。

keras 安装

keras和TensorFlow的兼容关系网上流传一张图

这个图只到了TensorFlow 2.2，但是我安装了TensorFlow 2.3，直接pip install keras会不兼容，经过测试，发现keras 2.4.1和TensorFlow 2.3.0兼容

斗胆怀疑keras最好和TensorFlow版本号一样或者差不多最好

测试：

from keras.layers.recurrent import SimpleRNN
PYTHON

看看报错不。