Linux服务器环境配置Nvidia-RTX3090 Tensorflow-gpu-2.4.0 CUDA-11.0 cuDNN-8.0

一、进入需要配置的虚拟环境，输入nvidia-smi查看驱动支持的最高CUDA版本(右上角)。本服务器为11.1。

nvidia-smi

二、进入Tensorflow官网Build from source | TensorFlow查看版本最新对应关系。注意：1、30系列GPU包括3090需要tensorflow-gpu 2.4.0版本以上才能带动；2、CUDA以及cuDNN版本应与表中对应完全一致，不能高也不能低。

三、选择合适的tensorflow-gpu、CUDA、cuDNN版本。由于我的驱动最高只能配置CUDA 11.1，因此只能配置tensorflow-gpu 2.4.0。

conda install cudatoolkit=11.0

conda install -c conda-forge cudnn=8.0

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple --trusted-host pypi.tuna.tsinghua.edu.cn tensorflow-gpu==2.4.0

四、查看是否能够检测到GPU

import tensorflow as tf
tf.config.list_physical_devices('GPU')

五、卸载tensorflow

pip list | grep tensorflow     # 查看相关的库
pip uninstall tensorflow-gpu
pip uninstall tensorflow
pip list | grep tensorflow     # 再次查看是否卸载干净

注意：带有tensorflow都需要全部卸载干净，否则以后重装时会发生不知名错误。