Ubuntu18.04下RTX3090环境配置+CUDA11.0+CUDNN8.0.5+tensorflow-gpu2.4

1.安装CUDA11.0

1.官网下载CUDA11.0
我采用的是runfile

wget wget http://developer.download.nvidia.com/compute/cuda/11.0.2/local_installers/cuda_11.0.2_450.51.05_linux.run


sudo sh cuda_11.0.2_450.51.05_linux.run

填写accept
然后去掉Driver（不需要安装驱动）

yes

2.更新系统

sudo apt-get update

sudo apt-get upgrade

3.配置环境变量

执行命令

 vim ~/.bashrc

增加环境变量

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

使环境变量生效

source ~/.bashrc

查看是否生效

nvcc -V 或 cat /usr/local/cuda/version.txt

2.安装CUDnn8.0.5

点击在官网下载cuDNN,找到8.0.5

由于官网下载要求先注册Nvidia，比较麻烦，可以参考：

绕过Nvidia官方要求的注册或登陆步骤直接下载cuDNN的方法

把下载好的include和lib64内的文件分别放到对应位置

最后检测cudnn是否配置成功
cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

3.开始配置tensorflow2.4环境

1.创建环境

conda create -n tf2.4 python=3.7

激活自己的环境

source activate tf2.4

2.安装tensorflow-gpu2.4

pip install tensorflow-gpu==2.4 -i http://pypi.douban.com/simple --trusted-host pypi.douban.com

3.快速测试（自己创建的环境下）

python

 import tensorflow as tf

print(tf.__version__)

print('GPU', tf.test.is_gpu_available())

输出True就没有问题了

tf.config.list_physical_devices()

列出可用设备，查看是否有GPU

如果加载动态链接库警告so.10，增加软链接即可解决。

sudo ln -s /usr/local/cuda-11.0/targets/x86_64-linux/lib/libcusolver.so.11 /usr/local/cuda/lib64/libcusolv