服务器上TensorFlow环境搭建记录

 ls -l /usr/local | grep cuda

nvidia-smi，它的输出是驱动的版本

nvidia-smi命令列出的CUDA版本与nvcc -V列出的版本号不一致

nvcc属于CUDA的编译器，将程序编译成可执行的二进制文件，nvidia-smi是一种命令行实用工具，旨在帮助管理和监控NVIDIA GPU设备。

CUDA有运行版和驱动版两个版本，nvcc - version显示的是运行版，nvidia-smi显示的是驱动版。

安装重点：版本对应关系对应！！！

Tensorflow-gpu 与 Python、 cuda、cuDNN 版本关系查询

安装记录1：

conda创建一个环境python=3.9，安装如下，以下三个版本之间对应没有问题，但是运行之后报错，找不到GPU;
tensorflow-gpu=2.10.0          cudnn=8.2.1         cudatoolkit=11.3.1 

报错如下：

可能是tensorflow-gpu=2.10.0版本太高了，尝试推翻完全重新配置，然而新的问题又出现了。

安装记录2：

tensorflow-gpu=2.3.0          cudnn=7.6       cudatoolkit=10.1   python=3.7

报错如下：

主要表现就是提示找不到动态库文件

在conda 创建的虚拟环境中，找到项目环境，在/Anaconda3/envs/museflow/lib/

发现不存在libcudart.so.10.1这个文件，只有libcudart.so.10.2。本着向下兼容原则，尝试将libcudart.so.10.1软连接到libcudart.so.10.2。

>> ln -s /usr/local/cuda/lib/libcudart.so.10.2 /usr/local/cuda/lib/libcudart.so.10.1

测试：

import tensorflow as tf
tf.test.is_gpu_available()

成功！！！