从零开始的深度强化学习之旅3——ubuntu18.04 + rtx3080 + cuda11.1 + cudnn8.0.4+ tensorflow-gpu-1.15
最近我们给实验室新攒了一台电脑(终于不用再拿我可怜的笔记本跑程序了wwwww),配置见下图,用上了最新的rtx3080显卡,所以在此记录一下配置环境的过程,防止以后还要用(往事不堪回首......)
主要参考博文https://blog.csdn.net/weixin_43896241/article/details/108979744
1.ubuntu18.04安装rtx3080的驱动
我采取的是网上最简单的方法,参见这篇博文https://blog.csdn.net/weixin_40859436/article/details/83152249
1. 更新apt-get源列表
sudo apt-get update
sudo apt-get upgrade
2. 添加驱动源
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update
然后在软件和更新的附加驱动里面就可以找到3080的驱动了,应用之后不要忘了重启。
在执行上述操作之前,我有试着按照网上的教程禁用ubuntu自带的驱动nouveau,但是结合我之前笔记本安装驱动的经验这一步可能并不需要,当然这是在你使用了上述方法进行安装的前提下。
2.安装 cuda11.1 + cudnn8.0.4
下载链接:https://developer.nvidia.com/zh-cn
类比一下即可
3.安装anaconda+tensorflow-gpu-1.15
anaconda的安装以及源的更换参见《从零开始的深度强化学习之旅2》。
安装完成后,使用以下命令:
conda create -n tensorflow python=3.7.0 #创建虚拟环境tensorflow,此处使用python3.7版本
source activate tensorflow #**虚拟环境tensorflow
conda install cudatoolkit=11
#以下两步按照开头提到的博文的步骤来
pip install tensorflow-gpu==1.15
4.测试能否使用gpu
参考博文
https://blog.csdn.net/william_hehe/article/details/79615894
import tensorflow as tf
with tf.device('/cpu:0'):
a = tf.constant([1.0,2.0,3.0],shape=[3],name='a')
b = tf.constant([1.0,2.0,3.0],shape=[3],name='b')
with tf.device('/gpu:0'):
c = a+b
#因为不是所有的操作都可以被放在GPU上,如果强行将无法放在GPU上的操作指定到GPU上,将会报错。
sess = tf.Session(config=tf.ConfigProto(allow_soft_placement=True,log_device_placement=True))
#sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
sess.run(tf.global_variables_initializer())
print(sess.run(c))
输出结果:
Device mapping:
/job:localhost/replica:0/task:0/device:XLA_CPU:0 -> device: XLA_CPU device
/job:localhost/replica:0/task:0/device:XLA_GPU:0 -> device: XLA_GPU device
[2. 4. 6.]