Google Colab升/降级TensorFlow以及cudnn的正确姿势
背景
跑leaf-audio论文的时候，代码用到了lingvo库，当前lingvo库的最新版本是0.10.0，并且与tensorflow-gpu版本强依赖（2.6，而colab是2.7）。
直接按要求pip tensorflow-gpu 2.6后，又发现cudnn版本不对。也就是说，tensorflow 2.6版本是基于cudnn 8.1编译的，需要8.1以上的cudnn才行。但是系统里面的cudnn是8.0.5。
经过n天的摸索，试了各种方法….最终确定了只有一种方案可行：升级系统内部的cudnn。
下载cudnn
到Nvidia官网下载cudnn即可。我这里下载的是ubuntu 18.04的cudnn的xz包（deb包安装后感觉没用）。
我这里下载好了一份8.5的cudnn，可以到这里下载，或者直接link到自己的Google Drive即可。
进入CoLab Jupyter
我们需要一些操作，这里直接列举出来，方便大家copy。
切换到tmp分区
1
2
import os
os.chdir('/tmp')
解压并复制cudnn文件到指定目录
如果是你自己准备的文件，这里根据你自己的cudnn的路径，改一下/tmp/xxx/lib中间的xxx即可。
1
2
3
!tar -xvf "/content/drive/MyDrive/cuda11.5.tar.xz" -C /tmp/
!sh -c "mv /tmp/cudnn-linux-x86_64-8.3.1.22_cuda11.5-archive/lib/* /usr/local/cuda/lib64/"
!sh -c "mv /tmp/cudnn-linux-x86_64-8.3.1.22_cuda11.5-archive/include/* /usr/local/cuda/include/"
给文件赋权
1
2
!sudo chmod a+r /usr/local/cuda/include/cudnn*.h
!sudo chmod a+r /usr/local/cuda/lib64/libcudnn*
刷新系统链接设置（重要！！）
一定要使用ldconfig刷新系统链接配置，否则无效
1
!ldconfig
到这里所有的配置都OK了。
我不知道为什么，网上配置这些环境要如此复杂，甚至写长篇论文一样讲述自己的过程。
其实在我看来，只有两种原因：
- 语言不够精炼，突出不了重点，废话太多
- 凑字数或者装X
效果
直接执行自己的代码，在TensorFlow降级到2.6.2时，成功启动了cuda+cudnn
题外话
Windows 10现在可以联合wsl2使用CUDA了，效果还不错，有兴趣的小伙伴可以尝试一下。
步骤：
- 下载Windows 10的wsl cuda的专版显卡驱动
- 进入wsl2，按照n卡官网wsl文档，下载特制的cuda和公版的cudnn，配置即可。
-
Previous
【OSDI论文解读】NrOS:Effective Replication and Sharing in an Operating System -
Next
MySQL版本不一致导致的WordPress迁移问题
