源起
- 9月-11月测试深度学习的项目，由于个人的方向的论文主要集中于2017,2019年左右，这个阶段很多代码都是tensorflow1与tensorflow2兼有、python2与python3兼有，cuda主要用的是cuda8,cuda10
- 我的机器显卡是3060的（R9000P）；然后租的机器是3090的，借的机器是A100的，显卡太新，跑不了我研究方向的很多项目（很长一段时间我都在抑郁，我的显卡不赖呀，竟然跑不起来代码，都想换课题了）
尝试的方法
-
在3060、3090的机器上安装cuda8 （不要这个干！！！瞎浪费时间，但是学会了超快安装cuda的方式，以至于我现在拿到机器本能的作出以下的反映）；
- 看以下驱动是否正常（我的机器显卡都是nvidia的）：
nvidia-smi - 如果不正常：装驱动
- 正常，在看此时cuda的版本：
nvcc -V - 如果cuda的版本符合项目需求，皆大欢喜；
- 如果cuda的版本不符合项目需求，查自己的显卡支持的cuda版本有哪些（非常重要，我的3060, 3090都不支持cuda8, 我装cuda8白忙）（可看官网：https://developer.nvidia.com/cuda-gpus https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html#title-resolved-issues；可可以直接https://cn.bing.com/搜索显卡支持的CUDA版本、CUDA计算能力，Tensorflow_gpu对应的CUDA版本等）
- 找一个能支持项目cuda版本的机器
- 再次
nvidia-smi看驱动，是否装驱动 nvcc -V看cuda版本- 如果cuda的版本符合项目需求，皆大欢喜；
- 如果cuda的版本不符合项目需求:
- 卸载现有的cuda
- 装cuda, 参考——方法：https://blog.csdn.net/sinat_36721621/article/details/115326307 ; 选择版本：https://developer.nvidia.com/cuda-toolkit-archive
- 增加环境变量，
nvcc -V看cuda是否成功安装，可看https://blog.csdn.net/sinat_36721621/article/details/115326307 后面一部分 - 开始conda搭自己项目的环境
- 看以下驱动是否正常（我的机器显卡都是nvidia的）：
-
tensorflow1的项目使用tensorflow2环境跑（可以，但是需要改，会报以下几种错误，一般
import tensorflow.compat.v1 as tf代替import tensorflow as tf可解决）；- tf.placeholder() is not compatible with eager execution. （解决办法：在程序的开始加：
tf.compat.v1.disable_eager_execution()） - module ‘tensorflow’ has no attribute ‘…’ (解决办法：
import tensorflow.compat.v1 as tf代替import tensorflow as tf) - TypeError: batch_to_space_v2() got an unexpected keyword argument ‘block_size’ (解决办法：
import tensorflow.compat.v1 as tf代替import tensorflow as tf) - Not creating XLA devices, tf_xla_enable_xla_devices not set （可暂时性的忽视）
- tf.placeholder() is not compatible with eager execution. （解决办法：在程序的开始加：
-
换项目，读代码，读项目中的issues (非常有用，对现在环境搭不起来有启发性作用，还能避免踩别人踩过的坑。我迷茫了，不知道干什么了，我要提醒自己干这个)
-
开始认真看报错：
- libcudart.so.8.0: cannot open shared object file: No such file or directory （说明我的cuda版本不合适，项目要cuda8, 我的却是cuda11.7; 或在tensorflow的版本不合适）
- errors_impl.NotFoundError: libcudart.so.8.0 （同上）
-
机器的显卡太新, 跑不了cuda
- 在咸鱼上搞台老点的机器 （放弃了，没服务器方便，服务器可以一键换镜像）
- 租老的显卡（像1080ti）
-
在python3 的conda 环境装 Python2 (emmmm,这个方法其实不管用，因为用的时候还是要不python3,要不python2, 不能像我想的那样——可以python2, python3代码混着写。 感觉自己好傻呀)
cuda的安装
参考：
文章出处登录后可见！
已经登录？立即刷新
