3. CUDAに対応した、cuDNNをインストール

こちらはDLが面倒です。NvidiaDeveloperに登録する必要があります。面倒くさい(2回目)
またインストールもLinuxの場合手動インストールです。

https://developer.nvidia.com/rdp/cudnn-download

インストールしたCUDAのバージョンに合わせて指示に従ってDLしてください。
またwgetでDLする場合、ログイン情報を付け加えないといけないので無難に別GUIマシンで
DLしてからsftpなどで送るのが楽です。

このとき、Windows上でDLしたときに謎の拡張子に代わってしまう場合があるので、
リモートに送ったら拡張子をtarに変更してから解凍してください。

手動インストール方法

解凍したら以下の構造のディレクトリになります。(CUDA10.0, Linuxの場合)

• cuda/
  •  include/
    • cudnn.h
  • lib64
    • libcudnn.so
    • libcudnn.so.7
    • libcudnn.so.7.6.3
    • libcudnn_static.a
  • NVIDIA_SLA_cuDNN_Support.txt

またCUDAをインストールしたときに、/usr/local/cudaと
/usr/local/cuda-x.xができています(x.xはインストールしたCUDAバージョン)

それぞれのディレクトリ内にinclude/とlib64/があるので、
解凍したものをコピーしてそれぞれのディレクトリに入れてください。

4. PATHを通す

あとはPATHを通すだけです。
忘れがちな作業ですが、これをしないとCUDAが使えません。

~/bashrcなどに追加してください。全ユーザーに適応させる場合、/etc/profileなどに追加してください。

export PATH="/usr/local/cuda/bin:$PATH"
export LD_LIBRARY_PATH="/usr/local/cuda/lib64:$LD_LIBRARY_PATH"

作業完了、あとはNvidiaドライバ、CUDA、cuDNNの動作確認

Nvidiaドライバの動作確認

以下のコマンドが実行できればインストールに成功しています。

nvidia-smi

CUDAの動作確認

以下のコマンドが実行できればインストールに成功しています。

nvcc -V

cuDNNの動作確認

Pythonコードが実行でき、ライブラリのNotFoundエラーが出ず、
list_local_devices()の実行結果にGPUの文字があれば成功しています。

python
>>> from tensorflow.python.client import device_lib
>>> device_lib.list_local_devices()

list_local_devices()実行時にライブラリのNotFoundエラーが起きた場合、

1. PATHが正しく通っていない
2. tensorflow-gpuがCUDAに対応していない

などが考えられます。
bashrcを変更したり、バージョンの見直しをしてください。

その他のエラー

tensorflowのimportでエラー

tensorflow-gpuとnumpyのバージョンがあっていない可能性が高いです。
デフォルトでpip install numpyするとバージョン1.17が入りますが、
tensorflow-gpuは1.16までしか対応していません。
以下のコマンドで1.17をアンインストールし、1.16をインストールしてください。

pip uninstall numpy
pip install numpy==1.16

Fedora30でそもそも画面が移らない

Fedora30 WorkstationはデフォルトでGPUドライバがインストールされていません。
そのためか、GPUがxserverに悪さして画面が乱れてしまいます。

解決方法としては、まず物理的にGPU自体を引っこ抜いてから(ケーブルだけ抜いても無理でした)
OSインストールし、GPUドライバをインストールしてから再度GPUを差して起動してみてください。

またFedora30は現時点でどのバージョンのCUDAも対応していません。
一応確認されている不具合はgccのバージョン違いだけらしいので、
gccのダウングレードをしておくといいでしょう。