Ubuntu18.04下RTX3090+CUDA11.0+cudnn8.0.5+tensorflow-gpu2.4安装

前言：买完RTX3090后发现CUDA、cudnn、tensorflow版本匹配问题，查阅了很多资料，最终选定标题中的版本进行安装。亲测能够跑起来！！！

1、安装Nvidia显卡驱动：

系统设置——软件更新——附加驱动——使用NVIDIA binary driver -version.......——应用更改——重启（附图如下）

打开终端输入nvidia-smi查看安装的驱动如下图

至此驱动安装成功！

2、安装Anaconda3

此处注意Anaconda版本要与python版本对应,我使用的是python3.7，所以选择安装Anaconda3-2019.07-Linux-x86_64.sh

在Anaconda文件所在的文件夹下右键打开终端，执行如下命令：

bash Anaconda3-2019.07-Linux-x86_64.sh

在安装过程中，如遇到[yes | no]的选择是，都选择yes

3、安装CUDA11.0

3.1 去官网https://developer.nvidia.com/cuda-toolkit下载CUDA，我下载的是CUDA11.0，注意选择符合你系统的文件下载，我这儿选择的安装类型是runfile

3.2 对系统进行更新，打开终端输入如下命令：

sudo apt-get update

sudo apt-get upgrade

3.3 改权限并安装，在CUDA文件所在文件夹打开终端执行以下命令：

sudo chmod 777 cuda_11.0.2_450.51.05_linux.run

sudo ./cuda_11.0.2_450.51.05_linux.run

3.4 添加环境变量

sudo gedit ~/.bashrc

在文件最后添加如下内容：

export CUDA_HOME=/usr/local/cuda

export LD_LIBRARY_PATH=${LD_LIBRARY_PATH}:${CUDA_HOME}/lib64

export PATH=${CUDA_HOME}/bin:${PATH}

保存退出后，执行：

source ~/.bashrc

3.5 检测是否安装成功：

打开终端输入：nvcc --version

 至此CUDA安装完成！

4、安装cudnn

需要注意的是这边cuDnn版本需要与CUDA的版本对应，我用的是8.0.5版本.

4.1 在文件所在文件夹打开终端，执行以下命令，解压文件：

tar -xvf cudnn-11.0-linux-x64-v8.0.5.39.tgz

4.2 把解压出的文件copy到cuda中对应文件夹

sudo 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

sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

4.3 建立软链接

在/usr/local/cuda/lib64目录下打开终端，执行如下指令：

sudo chmod +r libcudnn.so.8.0.5

sudo ln -sf libcudnn.so.8.0.5 libcudnn.so.8

sudo ln -sf libcudnn.so.8 libcudnn.so

sudo ldconfig

4.4 检查cuDNN是否安装成功，执行以下命令：

cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

至此安装成功！

5 安装tensorflow-gpu

5.1 创建用于安装tensorflow-gpu的conda计算环境 ，执行以下命令：

conda create -n lg python=3.7(此处lg是我自己起的名称，大家可以自己起)

5.2激活环境：

source activate lg

5.3 安装tensorflow-gpu

pip install tensorflow-gpu==2.4

在安装tensorflow过程中由于网速原因一直失败

后面换成pip install --upgrade --default-time=1000 tensorflow-gpu==2.4后安装成功！

5.4 测试

打开终端，激活环境，输入如下代码：

import tensorflow as tf

print(tf.test.is_gpu_available())

输出结果为True，则成功！！！

6、vscod上测试

在vscode上运行一个程序，会出现一个waring，这个问题我在网上也查阅了相关资料。原因是我安装的CUDA11.0的版本是低于RTX3090显卡的要求(最好是安装11.1及以上)。但是目前，tensorflow官方发布的版本匹配不了CUDA11.1及以上，所以我就安装CUDA11.0匹配tensorflow-gpu2.4。当出现这个warning时不用管它，这个warning重复出现一会儿程序就会正常训练了！！！

以上是我安装的全过程，我实现了成功运行，特此发布出来希望对大家有所帮助！！！