不得不說現(xiàn)在部署tf開發(fā)環(huán)境比以前容易太多了。
安裝cuda key
sudo apt-key adv --fetch-keys? http://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/7fa2af80.pub
添加庫源
sudo bash -c 'echo "deb http://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64 /" > /etc/apt/sources.list.d/cuda.list'
更新一下
sudo apt-get update
查詢cuda版本，成功的話如下圖所是。
apt-cache madison cuda
安裝cuda
sudo apt-get install cuda=10.0.130-1
安裝cudnn，這個文件是在nvdia的網(wǎng)站下載的，注意不要下載錯了。
sudo dpkg -i libcudnn7_7.6.5.32-1+cuda10.0_amd64.deb
安裝Anaconda3
bash Anaconda3-2020.02-Linux-x86_64.sh
重啟電腦，此時如果運行nvidia-smi查看驅(qū)動信息，CUDA可能會顯示10.2，但實際上安裝的還是10.0，無需擔心。
安裝 tf1.15.2
pip install tensorflow_gpu-1.15.2-cp37-cp37m-manylinux2010_x86_64.whl
結(jié)束后輸入python，運行以下tf，輸出true即可
import tensorflow as tf
print(tf.test.is_gpu_available())
此時建議從ubuntu的軟件更新里刪除nvidia的安裝源，防止不小心更新了CUDA的版本，這樣tf 1.15就不能使用了。
