记录之使⽤3080ti运⾏tensorflow-gpu=1.x版本的源码
环境：Anaconda3，ubuntu18.04，RTX3080ti，python3.7
RTX3080ti显卡是当前市⾯上⽐较新的，算⼒⽐较强的显卡，且这类显卡采⽤了安培架构仅⽀持cuda11.x及以上版本。关于tf-
gpu,cuda,cudnn间的对应关系，我们可以查看：
关于驱动和cuda，cudnn的对应关系，我们可以查看：
##问题1：我的30系列卡的驱动为或更⾼，按照向下兼容的道理，那我是不是可以使⽤cuda10.x？
正常答案是不能，因为正常情况下30系列的卡只⽀持cuda11.x（⾮正常的答案也有，不过安装起来⽐较⿇烦，这⾥我们只讨论正常情况，下⾯会给出这种情况的链接）。这个问题也是困扰我的问题，因为我⼀直秉持着向下兼容的道理，相信我的3080ti⽀持cuda10.x，我在⼏次测试时发现，⾏不通。我们都知道，在使⽤conda安装tf-gpu的时候，会⾃动安装对应的cudatoolkit和cudnn，这也着实为我们省了不少⿇烦。但是在安装时发现conda可以search到的最⾼tensorflow-gpu版本为2.4.1，⽽其对应的cudatoolkit是10.1.183，这种办法装好的环境，在使⽤tf.test.is_gpu_avaliable()时打印出的是True，但在实际跑代码时，会卡在奇怪的地⽅：
##问题2：我虚拟环境中的tensorflow-gpu如果不使⽤conda⾃动安装的cudatoolkit和cudnn，直接使⽤⼤环境的CUDA和cudnn（前提是你的⼤环境已经配置好）？
tensorflow版本选择答案是可以，因为conda可以search到的最⾼tensorflow-gpu版本为2.4.1，⽽其对应的cudatoolkit是10.1.183，我们的30卡不可以直接⽤。由于该tf-gpu和cudatoolkit，cudnn是捆绑安装的，且卸载的时候是捆绑卸载的，所以我们不能使⽤conda来装tf-gpu了。将原来conda装的tf-gpu卸载，会⼀并卸载cudatoolkit和cudnn。如果环境中没有cudatoolkit和cudnn，就会使⽤⼤环境中的cuda和cudnn，使⽤pip在虚拟环境中安装tf-gpu，由于我的⼤环境cuda版本为11.2，因此我下载了tf-gpu=2.6.1。不少同学会问，可是我的代码时1.x的怎么办，接着看问题3。
##问题3：tf2.x和tf1.x相⽐，很多函数都变了，也舍弃了很多函数，怎么办？
根据问题1，我们已经知道，tf-gpu=1.x的版本正常是⽆法在30系列的卡上运⾏的，想调显卡就必须使⽤tf-gpu=2.x，因此我们需要针对修改源码，以让其在tf-gpu=2.x下运⾏，主要涉及的改动：
1.在import tensorflow 时使⽤：
import tensorflowpat.v1 as tf ###
tf.disable_v2_behavior()
这种⽅式import的tf不包含contrib，因为tf2.x丢弃了这个包
2.⼀些使⽤contrib包的初始化⽅式及函数：
tf1.x:  tf.contrib.layers.xavier_initializer()-->
tf2.x:  tf.keras.initializers.glorot_normal()
tf1.x：  tf.contrib.layers.l2_regularizer(0.01)) -->
tf2.x：  ularizers.l2(0.01))
⼤家在修改时，要根据出现的报错修改，改动应该不会涉及太多。
最后给⼤家说⼀下，我当前的配置：Nvidia-driver：465.31，tf-gpu=2.6.1，cuda=11.2（11.2.142）, cudnn=8.1.1
最后还有⼀个问题：根据这⾥查询到的tf-gpu=2.4.0应该是搭配cuda=11.0的，为什么conda⾥会搭配cudatoolkit=10.1.x呢？应该是该⽹址给出的是已知能⽤的搭配，并不是所有搭配，想尝试conda这组搭
配可不可⾏的，可以使⽤20系列显卡，安装搭配cuda10.1的驱动。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。