ubuntu - Tensorflow 2.9 nvidia 图形兼容性问题

Question

我正在尝试启用我的 nvidia gtx 1050 mobile用于 tensorflow v2.9 的 GPU .这是我到目前为止所拥有的:
根据 this question，我的显卡的正确驱动程序是 470.xx .我已经安装了 470.129.06 。当我做 nvidia-smi在终端我得到:

我的 cuda takeit 是 11.4:

我的 cuDNN 是 v8.2.4:

根据 these docs，所有这些依赖项都应该相互兼容。 .
但是，当我尝试查看 GPU 是否在 tensorflow 中可用时我明白了:

出现错误:Could not load dynamic library 'libcudnn.so.8' .
与上面这些docs中的cuDNN支持矩阵相反它说对于 tensorflow v2.9我需要cuDNN v8.1和 cuda v11.2 .
有谁知道是什么导致了上面的错误？或者这些库的正确组合是什么？

Answer 1

这个错误似乎是由于 Tensorflow 安装不当引起的。解决此问题的一种快速且推荐的方法是使用 Conda 安装 Tensorflow，如下所示:

conda create --name tf_gpu tensorflow-gpu 
conda activate tf_gpu

但是，上述命令不支持 Tensorflow 2.9，因为在撰写此答案 (20/06/22) 时，Conda 直接支持高达 2.6。
如果您想全新安装 Tensorflow 2.9，我建议您使用以下命令:

conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CONDA_PREFIX/lib
python3 -m pip install tensorflow==2.9.0

这些命令将确保在容器化环境中进行干净安装，如果出现问题，Conda 可能会寻找解决依赖冲突的方法。
为 Tensorflow v2.9 设置正确依赖项的另一个轻松选项是简单地使用开发人员提供的 Docker 容器，例如 here .容器应自动安装正确的依赖项，并且您应该能够从 Docker 容器生成 Jupyter Notebook/Jupyter Lab 而不会遇到任何 TF 依赖项问题，因为 Docker 容器将被预先配置。