centos下tensorflow-gpu2.4.1安装（cudatoolki=11.0，cudnn=8.2，python=3.8，tf=2.4.1）

前提1：

tensorflow、cuda、cudnn、python四者要一致，一个不一致就会导致失败，版本对照表如下：

具体应该安装哪个版本的tensorflow呢？要根据电脑上的cuda驱动版本，确定要安装的cudatllokit版本，进一步根据cudatllokit版本确定cudnn版本，最终确定tf版本和python版本。

注：CUDA 有两种API，分别是CUDA驱动API和CUDA运行时API，即 Driver API和Runtime API 。
nvidia-smi 的结果中，最右边的就是CUDA 驱动API的版本（也就是我们要参考的），中间的是GPU 驱动版本 。
而nvcc -V的结果是 CUDA Runtime API的版本。
我的情况：nvidia-smi查看CUDA驱动版本是11.0，nvcc -V显示的cuda运行时版本是9.0，则我应该安装cudatoolki=11.0或者小于11.0的。


确定了cudatoolki=11.0，根据对照表，可以安装cudnn=8.2，可以进一步确定tf=2.4.1和python=3.8。

前提2：

安装好了anconda，并换为清华源。

具体命令：

1、建一个新的需要的python=3.8的环境。我的环境名为tfl38，可以随便设。

conda create -n tfl38 pip python=3.8

2、安装cudatoolki=11.0和cudnn=8.2

conda install cudatoolkit=11.0 cudnn=8.2

3、安装tensorflow=2.4.1

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow==2.4.1

4、检查GPU是否可用。
先进入python

import tensorflow as tf
tf.__version__  #查看tf版本
tf.config.list_physical_devices('GPU')  #输出[]列表表示GPU可用

注：不要用下边这个来检查gpu是否可用，会报错，但不是gpu的问题，是因为is_gpu_available（）已被弃用。具体如下：is_gpu_available (from tensorflow.python.framework.test_util) is deprecated and will be removed in a future version.

tf.test.is_gpu_available()

5、检查CUDA是否可用

tf.test.is_built_with_cuda() #输出true则表示可用