tensorflow / tensorflow-gpu cuda cudNN tensorRT 安装,启用显卡加速

说明

Tensorflow-GPU 已被移除。请安装 tensorflow 。 tensorflow 通过 Nvidia CUDA 支持 GPU 加速操作。

自 2019 年 9月发布的 TensorFlow2.1 以来，tensorFlow 和 tensorflow-GPU 一直是同一个包。尽管校验和因元数据而异，但它们以相同的方式构建，并且都通过Nvidia CUDA提供GPU支持。截至2022年12月，tensorflow-gpu已被移除，并已被这个新的空包所取代(https://pypi.org/project/tensorflow-gpu/)，该包在安装时产生错误。

所有现有版本的 tensorflow-gpu 仍然可用，但 TensorFlow 团队已停止发布任何新的 tensorflow-gpu 包，并且不会为现有的 TensorFlow-GPU 版本发布任何补丁。

所以大家直接安装 tensorflow ，安装好 NVIDIA 显卡驱动、CUDA 、CUDNN 、tensorRT 就可以启用GPU加速
没有特别的必要安装 Tensorflow-GPU这个包！！！

tensorflow-gpu 版本对应关系

tensorflow-gpu 版本对应关系 https://tensorflow.google.cn/install/source#gpu

安装方式

方式1 ，直接安装在系统上

这种方式只能安装一个版本

方式2，安装在虚拟环境中

可以安装多个虚拟环境对应LIB层不同版本，如图LIB层可以根据 tensorflow-gpu 版本对应关系选择，互不影响

1 安装nvidia显卡驱动

GPU计算能力 : https://developer.nvidia.com/cuda-gpus

GPU计算能力 > 3.5

驱动下载：https://www.nvidia.com/Download/index.aspx

conda 配置私有环境变量：

bash 复制代码

# CONDA_PREFIX 是当前conda 环境的路径 
mkdir -p $CONDA_PREFIX/etc/conda/activate.d

在 $CONDA_PREFIX/etc/conda/activate.d 路径下新建文件 env_vars.sh

添加以下内容：其中安装路径是自己的系统cuda cudnn tensorrt安装路径

bash 复制代码

echo " conda active export cuda cudnn tensorrt "
### cuda
export cuda_LIB_PATH=/安装路径/cudatoolkit-11.8.0/lib/
### cudnn
export CUDNN_LIB_PATH=/安装路径/cudnn-8.9.2.26-cuda11_0/lib/

# tensorRT
export tensorRT_PATH=/安装路径/TensorRT-8.6.1.6/lib

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$cuda_LIB_PATH:$CUDNN_LIB_PATH:$tensorRT_PATH

tensorflow / tensorflow-gpu cuda cudNN tensorRT 安装,启用显卡加速