rtx3090 tensorflow2.4 cuda11.1 cudnn 8.04 centos8.3 完美适配 （含cudnn8.04网盘链接）

一、问题
前两天升级rtx2070至rtx3090，出现了一系列的问题，后面干脆全面升级，现将基本过程记录下来，备用，也供参考（七彩虹 战斧rtx3090 24G，不是打广告，确实是这个卡，别的牌子有些没有货，自己的机箱长度和宽带也有限制，还觉得这卡的温度有点高）
二、过程
1、升级centos dnf update，正常完成

centos8升级到8.3.2011，没有报任何错误（python版本为3.6.8，64位）

2、升级显卡的驱动至460.32.3
卸载原有的驱动，在官网下载支持rtx30系列的驱动程序，升级显卡驱动

我安装的是460.32.03，后面证实，匹配完美，安装过程略（增加可执行属性，./run。

3、升级tensorflow2.3到2.4版本
pip install -U -I setuptools
pip install -U tensorflow
为了提高安装速度，我使用了清华大学的pypi源，那个真的快，几百兆的文件，下载安装一气呵成。

看看是否支持gpu

显示正常，OK。
4、安装cuda和cudnn
下载对应的cuda和cudnn

我安装的是cuda11.1 cudnn11.1对应的cudnn8.04.30
四步：
./cuda_…run
tar -xvzf cudnn-11.1…tgz
cp include下的文件和lib64下面的文件至cuda-11.1对应的目录下。
官网下载太慢，为了日后使用，我上传的网盘了，下载地址如下
链接: https://pan.baidu.com/s/1FiULNAo5gmAdgZ-UYXDnAg 提取码: zane

小插曲一个：
刚开始时运行发现gpu没有启用，因为tensorflow2开始是自动甄别系统是否有GPU支持，默认CPU模式，查找原因，根据提示：
Could not load dynamic library ‘libcusolver.so.10’
处理方法：
进入/usr/local/cuda-11.1/lib64目录，执行下述操作后完美解决。

三、试运行几个程序，一切ok
测试cpu和gpu对应时间，快了很多很多很多，真的很多
程序来自网上，贴出来
‘’’
Created on 2021-1-21

@author: root
‘’’
import tensorflow as tf
import timeit

with tf.device(’/cpu:0’):
cpu_a = tf.random.normal([10000, 1000])
cpu_b = tf.random.normal([1000, 2000])
print(cpu_a.device, cpu_b.device)

with tf.device(’/gpu:0’):
gpu_a = tf.random.normal([10000, 1000])
gpu_b = tf.random.normal([1000, 2000])
print(gpu_a.device, gpu_b.device)

def cpu_run():
with tf.device(’/cpu:0’):
c = tf.matmul(cpu_a, cpu_b)
return c

def gpu_run():
with tf.device(’/gpu:0’):
c = tf.matmul(gpu_a, gpu_b)
return c
cpu_time = timeit.timeit(cpu_run, number=10)
gpu_time = timeit.timeit(gpu_run, number=10)
print(‘warmup:’, cpu_time, gpu_time)

cpu_time = timeit.timeit(cpu_run, number=10)
gpu_time = timeit.timeit(gpu_run, number=10)
print(‘run time:’, cpu_time, gpu_time)

从上图可以看出，使用cpu的时间为4.89多，而使用gpu花费的时间只有0.00121多，快了多少倍喔