tensorflow2.4.1+cuda11.0+cudnn8.0.4安装记录

原因

由于显卡是3090，安装cuda是11.3版本的，而tensorflow官网对应表里面，最高2.6 也不支持cuda11.3。
于是上网寻找帮助，便选择了tensorflow2.4.0+cuda11.0+cudnn8.0这样的配置（参考博客见末尾）。但是，想不到中间踩了各种坑。。。

开始安装

基本环境

Ubuntu 16.04+Anaconda

操作

按部就班，首先创建一个新的conda环境：

conda create -n tf2.4 python=3.6

激活新环境：

conda activate tf2.4

接下来先安装cuda，在conda环境下，提供了cudatoolkit的二进制分发包，故优先考虑使用conda安装：

conda install cudatoolkit=11.0

接下来安装cudnn，按照博主所说

需要注意的是，conda默认源是找不到 cudnn8.0版本的，但是在conda-forge这一channel中是存在的，因此使用-c来指定：
conda install -c conda-forge cudnn=8.0

但在我实际操作的时候，会提示找不到该版本。所以在https://anaconda.org/里搜索关键词手动去找适合的包。找到了cudnn8.4安装命令：

conda install -c nvidia cudnn

接下来的事情就简单了，安装pip install tensorflow-gpu=2.4.0。注意这里可能会遇见坑，报错Illegal instruction (core dumped)
原因：*
新版本(version >= 1.6.0)的Tensorflow binary release是在avx指令环境下编译的。如果你的CPU不支持该类型指令，就不能使用新版本。*
解决方法：
2.4.0的问题，可以升级2.4.1，因为官方发布是这么说的

Release 2.4.1 This release removes the AVX2 requirement from TF 2.4.0.

pip install tensorflow-gpu=2.4.0

测试

import tensorflow as tf
print(tf.__version__)
print('GPU', tf.test.is_gpu_available())

成功