首先租用新实例（我选的是3080*2卡），由于基础镜像中没有2.10.0版本，选miniconda3的基础环境
- 创建虚拟环境：conda create --name xxx python=3.8（环境名）
- 激活虚拟环境：conda activate xxx
- 我的cuda版本11.3 cudnn版本8.2.0
- 检查cuda版本nvcc --version
- 检查cudnn版本dpkg-query -l | grep libcudnn
>>pip install tensorflow-gpu==2.10
- 完成安装后检查版本信息(依次输入以下代码）
python">>>python>>import tensorflow as tf>>tf.__version__(注意是两条小短杠）
2.10>>print(tf.test.is_gpu_available())
True>>print("Available GPUs:", tf.config.list_physical_devices('GPU'))
Available GPUs: [PhysicalDevice(name='/physical_device:GPU:0', device_type='GPU')]#显示可用的gpu,,如果显示Available GPUs: []就是没检测到可用的gpu输出对应版本信息和True才安装成功
exit()退出
==================我是分割线============
①在Noteb0ook里进行测试
②可以看到和前面差不多的版本信息以及可用的gpu数量
python">import tensorflow as tfprint(tf.__version__)
print(tf.test.gpu_device_name())
print(tf.config.experimental.set_visible_devices)
print('GPU:', tf.config.list_physical_devices('GPU'))
print('CPU:', tf.config.list_physical_devices(device_type='CPU'))
print(tf.config.list_physical_devices('GPU'))
print(tf.test.is_gpu_available())
# 输出可用的GPU数量
print("Num GPUs Available: ", len(tf.config.experimental.list_physical_devices('GPU')))同样可以看得到版本信息
==================我是分割线============
- 小测试：（依次输入）
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
print(hello.numpy())
输出：b'Hello, TensorFlow!'
==================我是分割线============
出问题大概是驱动程序、CUDA 库、TensorFlow 版本或环境配置的冲突导致，我一般选择更改tensorflow版本
我的经验是gpt比百度别人的经验靠谱，别人成功了，一样的代码 自己的环境下不一定成功。安装环境就是玄学。
