cuda12.4安装tensorflow-gpu 2.18.0

tf-gpu环境的安装比较麻烦，下面总结一下近期实现的成熟方案：

相关环境：

• 系统：linux
• cuda：12.4

tensorflow和python的版本是有依赖关系的，我首先安装了python 3.8，并使用pip install tensorflow[and-cuda]（默认安装最新版本，及cuda相关的依赖），但报错（截取关键信息），如下：

WARNING: tensorflow 2.13.1 does not provide the extra 'and-cuda'

可见python 3.8下的tensorflow无法安装其所需的相关依赖，也就不能支持GPU

转换思路，更换python3.9，同样使用上述pip命令，最终安装了tensorflow 2.18.0版本，同时安装了相关的cuda依赖，主要cuda依赖如下（版本会根据tf版本自动选择安装）：

nvidia-cublas-cu12       
nvidia-cuda-cupti-cu12   
nvidia-cuda-nvrtc-cu12   
nvidia-cuda-runtime-cu12 
nvidia-cudnn-cu12        
nvidia-cufft-cu12        
nvidia-curand-cu12       
nvidia-cusolver-cu12     
nvidia-cusparse-cu12     
nvidia-nccl-cu12         
nvidia-nvjitlink-cu12    
nvidia-nvtx-cu12

安装后可通过python检查tf是否支持了cuda

python
>>> import tensorflow as tf
>>> print(tf.__version__)
>>> tf.test.is_built_with_cuda()
>>> print(tf.config.list_physical_devices('GPU'))

如果支持，执行完上述最后一条命令后可以由结果列表查看到GPU的相关信息，如：

[PhysicalDevice(name='/physical_device:GPU:0', device_type="GPU")]

如果不支持，列表信息为空[]