实验室服务器安装tensorflow-gpu

首先，我对自己装环境之前的困惑进行总结。

1.实验室服务器上有cuda版本，还需要自己在重新装cuda toolkit吗？答案是肯定的，服务器上含有的只是cuda的驱动。

2.想要安装tensorflow-gpu版本的，那么安装软件的顺序是什么呢？答案是：cudatoolkit→cudnn→tensorflow-gpu，一定要按顺序安装，防止出现错误。

其次，既然已经搞清楚相关的安装内容，那下面就开始安装吧，这里我首先采用的手动安装cudatoolkit，从官网下载安装包，在服务器上进行安装，但是由于没有权限的原因，一直失败，没有成功。之后采用直接安装指定的tensorflow版本，但是一直报错说没有找到相对应的，一直失败。

然后，我找到了一个视频，按着相关的步骤，成功的安装tensorflow-gpu。下面对具体的步骤进行总结。

1. 第一步，要确认自己的python是否为3.8版本，ubuntu16.04或更高版本。这里安装tensorflow-gpu要求python版本为3.5-3.7。（自己的python为3.8，对tensorflow-gpu进行安装，cudatoolkit→cudnn都安装成功，但是找不到对应的tensorflow-gpu版本，安装失败）
2. 第二步，如果自己的python版本大于3.7，那么需要对自己的python进行版本下降。
   实现的代码为：

python   #查看当前Python的版本
conda search --full --name python  # 查看可选版本
conda install python=3.7.6  #提示是否将python3.8.6降级为python3.7.6，输入“y”执行

3.第三步：

4.第四步：

5.关于cuda和cudnn以及Tensorflow版本的匹配，可以参考下面这张图：

也可以访问这个链接进行查询：https://tensorflow.google.cn/install/source

6.安装cuda和cudnn不需要手动安装，用conda自动安装更方便。
安装cudatoolkit的代码：

conda install cudatoolkit=10.1

安装cudnn的代码：

conda install cudnn=7.6.5

7.安装tensorflow-gpu的代码：

pip install tensorflow-gpu==2.3.0  -i https://pypi.douban.com/simple

8.安装测试，测试的代码如下：

import tensorflow as tf
tf.__version__   #测试cpu版
tf.test.is_gpu_available()  #测试GPU
版

成功的界面如下所示：

最后是参考的视频链接：
https://www.bilibili.com/video/BV1PV411U7vc?from=search&seid=17923848585727527631