在centos8.4的系统下安装cuda、cudnn和tensorflow2.5以及安装时要避的坑

一、首先查看Linux系统的版本

因为centos每个版本能够支持的cuda版本不同，其中centos7支持的版本比较多，而centos8目前支持cuda11.0、cuda11.2.
因为我要用tensorflow-2.5.0，所以要安装cuda11.2，如下图所示：

更多tensorflow对应的cuda版本，在链接里查看。

• 查看centos版本代码

cat /etc/issue 

或者

cat /etc/lsb-release

我的系统是centos8.4版本。

二、安装显卡驱动

1、禁用nouveau

nouveau是一个第三方开源的Nvidia驱动，一般Linux安装的时候默认会安装这个驱动。 这个驱动会与Nvidia官方的驱动冲突，在安装Nvidia驱动和CUDA之前应先禁用nouveau。

• 首先查看系统是否正在使用nouveau。

lsmod | grep nouveau

如果有内容显示，说明该系统安装了nouveau驱动，需通过一下方法进行禁用。

• 新建一个配置文件

sudo vim /etc/modprobe.d/blacklist-nouveau.conf 

• 输入i，将以下内容复制到配置文件中

blacklist nouveau 
options nouveau modeset=0 

• 按键盘上的 ESC 键,并输入 ：，然后在后面输入wq，保存并退出。

• 备份当前的镜像

sudo mv /boot/initramfs-$(uname -r).img /boot/initramfs-$(uname -r).img.bak

• 建立新的镜像

sudo dracut /boot/initramfs-$(uname -r).img $(uname -r)

• 重启

 sudo reboot

• 最后验证，没有任何显示即为禁用成功

lsmod | grep nouveau

2、安装显卡驱动

• 安装gcc、g++
• 【1】首先检查是否有gcc

gcc -V

• 【2】如果没有，则进行安装

yum install gcc 
yum install gcc-c++

• 安装kernel-devel和kernel-headers

yum install kernel-devel
yum install kernel-headers

注意这里的kernel要和自己的linux系统版本一致：可以使用如下查看自己的系统所需版本

uname -r

如果不一致，照该链接卸载不同的版本，下载相同的版本。

• 安装显卡驱动
• 【1】查看显卡型号

lspci | grep -i nvidia

一般会直接显示显卡的型号，如果没有明确显示，如图所示

可以通过十六进制查找，详情在该链接。

• 【2】查询支持该显卡的驱动版本并下载
  我的显卡是3090Ti的，所以在官网中查找该显卡的驱动版本。
  

  

  
  下载下来的文件名称如下图所示：
  

  

  
  kernel的版本uname -r
  

  

  
  以上图片中的内容在下面的安装指令中一一对应。

• 【3】安装显卡驱动
  进入下载的驱动文件目录（run文件夹下载到哪的目录，就到哪个目录下操作）

%执行之前先让 .run 文件有可执行权限：
chmod u+x  NVIDIA-Linux-x86_64-515.65.01.run
%执行安装脚本
sudo .//NVIDIA-Linux-x86_64-515.65.01.run --kernel-source-path=/usr/src/kernels/4.18.0-305.3.1.el8.x86_64

检验显卡驱动是否安装成功：

nvidia-smi 

如果显示内容，则安装成功。

三、安装cuda

1、在官网下载对应的CUDA 11.2，并安装

点击进入：

下滑：

将上图红框里的内容输入到Linux的操作中，进行下载安装：

%下载cuda11.2
wget https://developer.download.nvidia.com/compute/cuda/11.2.0/local_installers/cuda_11.2.0_460.27.04_linux.run
%进入驱动安装包所在文件夹，执行
sudo sh cuda_11.2.0_460.27.04_linux.run

傻瓜式操作输入yes，accept等即可。安装的时候注意选择不安装驱动，因为机器本身已经有驱动，所以这一步需要用空格取消对Driver的选中（事实上我遇到的情况是，如果不取消选中，安装会fail）。其他选项中除了CUDA Toolkit是必选，其他都是可选项目。我这里其他都选择了。最后选择Install。

2、配置环境变量

检查cuda是否安装成功：nvcc -V
如果没有这个命令的话，需要配置
输入vim ~/.bashrc 再输入以下内容

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-11.2/lib64
export PATH=$PATH:/usr/local/cuda-11.2/bin
# export CUDA_HOME=$CUDA_HOME:/usr/local/cuda-11.2
export CUDA_HOME=/usr/local/cuda-11.2

然后source ~/.bashrc
最后再查看cuda是否安装成功：nvcc-V，显示的是刚刚安装的CUDA版本

四、安装cuDNN

cuDNN是NVIDIA专门针对深度神经网络（Deep Neural Networks）中的基础操作而设计基于GPU的加速库。

1、在官网（注册）上下载cuda11.2对应得cuDNN版本

因为后面我们要安装tensorflow-gpu2.5.0版本，在前面我们就提到其对应的是cuda11.2和cudnn8.1，所以要下载cudnn8.1版本。

点击一下：

因为我们的Linux_x86，所以下载上面红框的版本。
下载完成后，解压该文件：

 tar -xvf /root/cudnn-linux-x86_64-8.5.0.96_cuda11-archive.tar #解压

进入到解压后文件的目录下
该目录下有lib和include两个子目录：
将cuda/include/cudnn.h文件复制到usr/local/cuda-11.2/include文件夹，将cuda/lib/下所有libcudnn开头的文件复制到/usr/local/cuda-11.2/lib文件夹中，并添加读取权限。

sudo cp lib/* /usr/local/cuda-11.2/lib64/
sudo cp include/* /usr/local/cuda-11.2/include/
sudo chmod a+r /usr/local/cuda-11.2/lib64/*
sudo chmod a+r /usr/local/cuda-11.2/include/*

2、检验安装是否成功

输入：

cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

显示：

安装成功。

五、安装tensorflow-gpu2.5

1、创建虚拟环境

创建名称为tfgpu_2.5,python版本为3.6.5的虚拟环境。

conda create -n tfgpu_2.5 python=3.6.5

2、进入环境

conda activate tfgpu_2.5

3、下载tensorflow-gpu2.5

pip install tensorflow-gpu==2.5

4、测试

python

import tensorflow as tf
print(tf.__version__)

输出tensorflow版本，则正常。