RTX3090显卡安装tensorflow-gpu 2.4+CUDA11.0+cudnn8.05(使用conda安装)

RTX3090显卡安装tensorflow-gpu 2.4+CUDA11.0+cudnn8.05+py3.7(使用conda安装)

基本环境

Ubuntu 16.04+Anaconda

前期准备

由于实验室电脑有张显卡坏了，买了张Nvidia最新显卡RTX3090，查看TensorFlow和pytorch的官网竟然现在还没有已公布的能匹配的cuda版本（这不应该大家一起坐下来商量好？），于是就开始找找找，终于还是找到了。现在的RTX3090可以配合CUDA11使用。pytorch目前是支持CUDA11.0的，只有TensorFlow目前已公布的最高才CUDA10.0的版本，所以要重装CUDA11。

1. 显卡驱动，3090显卡是需要驱动版本455以上的，先看看自己的显卡驱动是什么版本，低了就自己卸载载重装；
2. 安装anaconda，我是之前就有就没必要在介绍安装过程了(实在不会就得自己度娘了)；

CUDA11.0 安装

首先创建虚拟环境，自行命名，我这是用的python3.7。

conda create -n tensorflow2.4 python=3.7

查看可下载的CUDA版本，官网有11.1的，但这里只有11.0的，将就着下载吧。

conda search cuda

conda install cudatoolkit=11.0

查看一下，

是安装好了。

cudnn8.05安装

如果直接用conda查看可下载的版本最高只有7.6.5。没办法只有去官网下载了，下载网址https://developer.nvidia.com/rdp/cudnn-download, 选择下面图中划线的这个包直接下载，不过这下载速度是真的墨迹，如果大家下载的太慢，可以看这里。链接：https://pan.baidu.com/s/1SHK4vgmt-jUclaDJUBk_jA
提取码：ohc5
不过某盘速度大家都了解，反正都试试吧，谁快用哪个。

解压命令，在安装包所在目录下，运行

tar -xzvf cudnn-x.x-linux-x64-v8.x.x.x.tgz

后面是下载包的名字，解压后进入cuda/lib64路径下，把里面所有文件拷入对应虚拟环境（tensorflow2.4）的lib中（文件有点多，别慌，照做就行）。

tensorflow2.4安装

由于使用conda命令安装会直接重新安装cuda和cudnn，但这个版本不合适(等吧，估计明年，官方就更新了)，我们通过pip安装，搞个国内源，不然运行超时会让你自闭。

pip install tensorflow-gpu==2.4 -i http://pypi.douban.com/simple --trusted-host pypi.douban.com

，不出意外应该就安装上tensorflow2.4了（反正我是没意外，不知道你们了）。查看一下是否成功。在tensorflow2.4环境下打开Python。
输入脚本：

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

测试结果：

两块显卡都有了，具体还没训练网络测试，不过应该是可以了（嗯，一定可以!!!）

参考

[1]: https://zhuanlan.zhihu.com/p/279401802