Я пытался установить Tensorflow на свой новый 2070 RTX Супер. Я следовал следующим инструкциям:
sudo apt-get purge nvidia*
sudo apt remove nvidia-*
sudo rm /etc/apt/sources.list.d/cuda*
sudo apt-get autoremove && sudo apt-get autoclean
sudo rm -rf /usr/local/cuda*
lspci | grep -i nvidia
gcc --version
sudo apt-get update
sudo apt-get upgrade
sudo apt-get install g++ freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libglu1-mesa libglu1-mesa-dev
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-key adv --fetch-keys http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/7fa2af80.pub
echo "deb https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64 /" | sudo tee /etc/apt/sources.list.d/cuda.list
# установка CUDA-10.0
sudo apt-get -o Dpkg::Options::="--force-overwrite" install cuda-10-0 cuda-drivers
echo 'export PATH=/usr/local/cuda-10.0/bin:$PATH' >> ~/.bashrc
echo 'export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc
source ~/.bashrc
sudo ldconfig
CUDNN_TAR_FILE="cudnn-10.0-linux-x64-v7.5.0.56"
wget https://developer.nvidia.com/compute/machine-learning/cudnn/secure/v7.5.0.56/prod/10.0_20190219/cudnn-10.0-linux-x64-v7.5.0.56.tgz
tar -xzvf ${CUDNN_TAR_FILE}
sudo cp -P cuda/include/cudnn.h /usr/local/cuda-10.0/include
sudo cp -P cuda/lib64/libcudnn* /usr/local/cuda-10.0/lib64/
sudo chmod a+r /usr/local/cuda-10.0/lib64/libcudnn*
nvidia-smi
nvcc -V
установка pip3 - пользователь tensorflow-gpu == 1.13.1
Однако, когда, когда я ввожу nvidia-smi
Я получаю следующее: Не удалось инициализировать NVML: несоответствие версии драйвера/библиотеки
Я также пытался загрузить последний драйвер (440.35) NVIDIA, но я не имел никакого успеха, выполняющего .run файл. Это продолжало давать мне сообщение, говоря, что "Обеспеченные распределением предварительно устанавливают отказавший сценарий!"
Любая справка значительно ценилась бы!
Я смог к наконец установленному Tensorflow в моем GeForce RTX 2070 Супер со следующими установками:
Ubuntu 18.04
CuDNN 7.5
CUDA 10.0
Версия драйвера 430.50 NVIDIA
Затем я просто сделал pip3 install --user tensorflow-gpu==1.13.1
использование среды Conda.
Этот графический процессор поддерживает cuda 10.2, который поддерживается версией драйвера >=440.
Возможно, сама Ubuntu 18.04 не поддерживает эту версию драйвера или ее нет в официальном репозитории. Вот почему всегда лучше устанавливать драйвер напрямую с сайта nvidia; используя скрипт *.run.
С вашими текущими настройками производительность будет неоптимальной.
В таком случае рекомендую скачать python wheels необходимых пакетов; или используя образы Docker со всем предустановленным программным обеспечением.