ubuntu 20.04+RTX3090 安装Tensorflow-gpu==2.4
ubuntu 20.04+RTX3090 安装Tensorflow-gpu==2.4
系统：Ubuntu 20.04
硬件环境：RTX 3090显卡
Python版本使用Anaconda来管理
需要使用的安装文件：
-
NVIDIA-Linux-x86_64-460.32.03.run
-
cuda_11.2.2_460.32.03_linux.run
-
cudnn-11.2-linux-x64-v8.1.1.33.solitairetheme8（全部在NVIDIA英文官网界面下载）
-
Anaconda3-2020.11-Linux-x86_64.sh
-
建议全部放在一个目录下
安装VIM
sudo apt-get install vim-gtk 编辑~/.bashrc需要用到，或者使用gedit也可以。
安装显卡驱动
两种方法
- 直接在ubuntu自带的附加驱动程序中安装460版本的驱动即可。
sudo sh NVIDIA-Linux-x86_64-460.32.03.run。
两种方法都可以，只要是460就可以，建议使用第一种。nvidia-smi查看显卡驱动是否安装成功。
安装Anaconda3
bash Anaconda3-2020.11-Linux-x86_64.sh 一路yes
增加环境变量
vim ~/.bashrc
export PATH=$PATH:/home/用户名/anaconda3/bin
source ~/.bashrc
conda list 检查环境变量配置是否正确
注意：安装完anaconda之后打开终端默认进入base环境，可以使用conda deactivate 手动退出base,也可以vim ~/.bashrc最后增加一行conda deactivate，source ~/.bashrc
安装cuda
sudo sh cuda_11.2.2_460.32.03_linux.run
注意，不要勾选Driver，因为前面已经装了驱动。
添加环境变量
vim ~/.bashrc
export CUDA_HOME=/usr/local/cuda
export LD_LIBRARY_PATH=${LD_LIBRARY_PATH}:${CUDA_HOME}/lib64
export PATH=${CUDA_HOME}/bin:${PATH}
source ~/.bashrc
输入nvcc -V验证CUDA是否已安装，并返回版本号等信息。
配置cudnn
tar -zxvf cudnn-11.2-linux-x64-v8.1.1.33.solitairetheme8
解压后有一个cuda目录 cd进入，复制文件到local下，并修改权限
udo cp cuda/lib64/* /usr/local/cuda/lib64/
sudo cp cuda/include/* /usr/local/cuda/include/
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*
验证
`cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2`
创建base环境
conda create -n name python= 3.7
安装tensorflow-gpu==2.4
pip install tensorflow-gpu==2.4 -i http://pypi.douban.com/simple --trusted-host pypi.douban.com
豆瓣源，清华源都可以。版本是2.4就行了。
快速测试（自己创建的base环境下）
python
import tensorflow as tf
print(tf.__version__)
print('GPU', tf.test.is_gpu_available())
输出True就没有问题了
tf.config.list_physical_devices()
列出可用设备，查看是否有GPU
如果加载动态链接库警告so.10，增加软链接即可解决。
sudo ln -s /usr/local/cuda-11.2/targets/x86_64-linux/lib/libcusolver.so.11 /usr/local/cuda/lib64/libcusolver.so.10