标签：安装 PWCNet 3090 cuda https nvidia tensorflow TF1
摘要
TensorFlow官方TF1.14~TF1.15.5 不支持RTX3090，TF1.14、TF1.15使用CUDA10训练导致不可避免的NaN问题。使用Nvidia 版本的tensorflow可以支持TF1.x版本和新的硬件如RTX3090。
问题
python版本：python 3.6.13。
Tensorflow 官网安装引导显示只测试了TF1.15.0 使用CUDA10.0 测试过的组合。
直接安装TensorFlow1.14.0、1.15.0、1.15.5后，用下述代码测试，均显示缺少libcudart.so.10.0、libcudnn.so.7等。
import tensorflow as tf
tf.test.is_cpu_available() # 测试CPU是否可用，并显示加载cuda库是否成功
使用conda安装缺少的库：
conda install cudatoolkit=10.0 cudnn
安装后，缺库的警告消失，显示加载cuda库成功，tf.test.is_gpu_available()返回True。
使用该配置训练PWCNet 实现1、实现2均出现NaN和Inf的loss和EPE，甚至在特征计算中输出的特征就是NaN，且每次启动训练后都会在刚开始的几步就出现。数据吞吐量倒正常。
后怀疑TF1.15不支持 RTX 3090。
下载TensorFlow1.x的源码，搜索grep -rn "cudnn.so*" *后只显示cudnn.so.7的关键字，可判定其不支持其他版本的cuda如cuda11、cudnn8等。
随后搜索发现，nvidia提供了TF1.x对RTX 3090、cuda11等新硬件的支持。
I believe this cannot work. Tensorflow 1.15 requires cuda 10:
https://www.tensorflow.org/install/source#gpu
I believe the RTX 3090 does not support cuda 10.
You might need to use either TF 1.15 on CPU. Or a 2.x TF release with a more recent cuda version.
From: https://stackoverflow.com/a/67816052
卸载已有的tensorflow-gpu包和conda安装的cuda包，安装nvidia版本tensorflow:
pip install nvidia-pyindex
pip install nvidia-tensorflow # 会自动安装相关cuda依赖
注：nvidia-tensorflow仓库提示需要使用Python3.8，但我使用Python3.6，可用。
重新执行测试，加载libcudart.so.11.0、libcudnn.so.8成功，GPU可用。
重新启动训练，NaN消失，数据吞吐效率也正常。
使用推荐安装Python3.8后，会自动安装tensorflow1.15.5，最终数据吞吐量略有提升，60samples/sec变为63+samples/sec.
参考
- https://tensorflow.google.cn/install/source#linux （tensorflow 官网源码安装指引）
- https://stackoverflow.com/questions/67815471/training-with-tf-1-15-on-rtx-3090/71137815
- https://github.com/nvidia/tensorflow
标签：安装,PWCNet,3090,cuda,https,nvidia,tensorflow,TF1 来源： https://www.cnblogs.com/xikeguanyu/p/16269066.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。