tensorflow - 我可以在 Ubuntu 20.04.1 LTS 上安装支持 GPU 的 Tensorflow 1.15 吗？

Question

我正在使用 GeForce RTX 2060 构建深度学习平台。
我想使用 baselines-stable这还不兼容 tensorflow 2.0。
根据here和 here , tensorflow-gpu-1.15 仅被列为与 CUDA 10.0 兼容，而不是 CUDA 10.1。
尝试从 Nvidia 下载 CUDA，option for Ubuntu 20.04 is not available for CUDA 10.0.
搜索 apt-cache 也不会生成 CUDA 10.0。

$ sudo apt-cache policy nvidia-cuda-toolkit
[sudo] password for lansford: 
nvidia-cuda-toolkit:
  Installed: (none)
  Candidate: 10.1.243-3
  Version table:
     10.1.243-3 500
        500 http://us.archive.ubuntu.com/ubuntu focal/multiverse amd64 Packages

我非常希望不必使用旧版本的 Ubuntu 重新安装操作系统。然而，尝试强化学习是购买这台 PC 的动机。
我看到一些 possible clues有可能从支持 cuda 10.1 的源代码构建 tensorflow-gpu-1.15。我还看到一条随机评论说 tensorflow-gpu-1.15 将与 tf 1.15 一起工作，但我不想在安装东西时出现失误，直到我有一个方向的信号。卸载东西并不总是那么简单。

我应该安装 CUDA 10.1 并交叉手指 1.15 会喜欢它。

我是否应该为较旧的 Ubuntu 版本下载 CUDA 10.0 的安装并查看它是否仍能安装

我是否应该尝试针对 CUDA 10.1 从源代码编译 tensorflow(呵呵)

我是否应该安装旧版本的 Ubuntu 并希望我不会过快过时。

鉴于这种情况，有没有办法在 Ubuntu 20.04.1 上运行具有 gpu 支持的 tensorflow 1.15？

Answer 1

由于这也困扰着我，我找到了一个我认为比使用 docker 容器更通用的工作解决方案。
主要思想来自here (不向他人索取功劳)。
要为 Ubuntu 20.04 和 TensorFlow 1.15 制定可行的解决方案，需要:

Cuda 10.0(与 tf 1.15 一起使用)。
我很难找到这个版本，因为它在 Ubuntu 20.04 上没有正式可用。我解决了 Ubuntu 18.04 版本，但它工作正常。
Archive toolkits here .
Final toolkit for Ubuntu here (因为很明显没有 20.04 版本可用)。

我选择 runfile 作为方法，导致 1 个主运行文件和 1 个补丁运行文件可用:

cuda_10.0.130_410.48_linux.run
cuda_10.0.130.1_linux.run

该工具包可以使用提供的说明安全地安装，没有风险，因为每个版本在系统中分配不同的文件夹(通常是 /usr/local/cuda-10.0/ )。

cuda 10.0 对应的 cudnn
我从以前的安装中得到了这个，但它也不难下载。我使用的版本是cudnn-10.0-linux-x64-v7.6.5.32.tgz .
Cudnn 基本上只是在正确的位置复制文件(实际上并不安装任何东西)。因此，提取压缩文件并复制到文件夹就足够了:

    $ sudo cp cuda/include/cudnn.h /usr/local/cuda-10.0/include  
    $ sudo cp cuda/lib64/libcudnn* /usr/local/cuda-10.0/lib64  
    $ sudo chmod a+r /usr/local/cuda-10.0/include/cudnn.h /usr/local/cuda-10.0/lib64/libcudnn*

到目前为止，尽管已安装系统并没有意识到 cuda 10.0 的存在。因此，对它的所有调用都将失败，就好像不存在一样。我们应该更新cuda 10.0的相关系统环境。系统范围内的一种方法(还有其他方法)是创建(不存在)/etc/profile.d/cuda.sh其中将包含对 LD_LIBRARY_PATH 的更新多变的。它应该包含如下内容:

    export LD_LIBRARY_PATH=/usr/local/cuda/lib64:/usr/local/cuda-11.3/lib64:/usr/local/cuda-10.0/lib64:$LD_LIBRARY_PATH

这个命令通常会完成这项工作:

$ sudo sh -c ‘echo export LD_LIBRARY_PATH=/usr/local/cuda/lib64:/usr/local/cuda-11.3/lib64:/usr/local/cuda-10.0/lib64:\$LD_LIBRARY_PATH > /etc/profile.d/cuda.sh’

我认为这需要重新启动才能进行评估。无论如何，这样系统将在以下位置搜索相关的so文件:
一) /usr/local/cuda/lib64 (默认符号链接(symbolic link))，它将失败
b) 与后者几乎相同 /usr/local/cuda-11.3/lib64并且也会失败但它也会搜索
c) /usr/local/cuda-10.0/lib64这将是成功的。

supported versions of python对于 cuda 10.0 以 3.7 结尾，因此应安装旧版本。这意味着必须有一个虚拟环境(因为使用系统 python 从来都不是一个好主意)。
例如，可以使用 this repository 安装 python 3.7其中包含旧版(和新版 python):

    sudo add-apt-repository ppa:deadsnakes/ppa  
    sudo apt-get install python3.7

这只是将 python3.7 安装到系统中，并没有使其成为默认值。默认是前一个。

创建一个虚拟环境并将所需的 python 添加为默认解释器。对我来说这很有效:

    virtualenv -p python3.7 ~/tensorflow_1-15

这将创建一个新的 venv里面有 Python 3.7。
现在填充所有必需的模块，您就可以开始了。