ubuntu 20.04下 Tesla P100加速卡使用

1.系统环境：系统ubuntu 20.04, python 3.8

2.查看cuDNN/CUDA与tensorflow的版本关系如下：

从上图可以看出，python3.8 对应的tensorflow/cuDNN/CUDA版本。

3.安装tensorflow

#pip3 install tensorflow

新版本tensorflow不用额外指定tensorflow gpu版本，默认安装的是tensorflow 2.13版本

4.安装Tesla P100 driver

Ubuntu 下执行 $ubuntu-drivers devices

可以看到系统支持的P100 driver情况，这里安装推荐的nvidia-driver-535

$sudo apt install nvidia-driver-535

安装完成后可以使用$nvidai-smi命令查看到显卡设备，注意，需要打开BIOS above 4G功能，否则无法找到显卡。

5.安装CUDA

按照下面方法卸载vnidia-drm 内核module，否则CUDA安装时会提示 nvidia 组件被占用:

$sudo systemctl isolate multi-user.target // 可以看到nvidia-drm 内核module被挂载 $lsmod | grep vnidia-drm

卸载该module

$sudo modprobe -r nvidia-drm

然后执行CUDA安装文件，因为前面已经安装过了driver，这里去掉选择Driver（尝试过不安装前面的driver而在CUDA安装时再安装driver，会提示driver安装失败）。然后直接选择install

添加环境变量到~/.bashrc

export PATH=/usr/local/cuda-11.8/bin ${PATH:+:$ {PATH}}

export LD_LIBRARY_PATH=/usr/local/cuda/lib64:/usr/local/cuda-11.8/lib64:/usr/local/cuda/extras/CUPTI/lib64:$LD_LIBRARY_PATH

export CUDA_HOME=/usr/local/cuda

7.安装cuDNN

从 CUDA Deep Neural Network (cuDNN) | NVIDIA Developer 下载cuDNN 8.6，下载完后解压，拷贝相应文件到CUDA目录：

$ sudo cp include/* /usr/local/cuda/include

$ sudo cp cuda/lib64/* /usr/local/cuda/lib64

8.解决tensorflow "could not load library libcublasLt.so.10"、"could not load library libcublas.so.10"问题

运行tensorflow时提示上面的问题，解决方法：进入目录：/usr/local/cuda/targets/x86_64-linux/lib，建立两个链接文件

$ln -s libcublasLt.so.11 libcublasLt.so.10

$ln -s libcublas.so.11 libcublas.so.10

使用tensorflow查看显卡是否安装正常

$import tensorflow as tf

$tf.config.list_physical_devices('GPU')

参考：