一、Tensorflow-gpu和CUDA的对应关系

官网链接：https://tensorflow.google.cn/install/source_windows?hl=en#gpu

二、CUDA及cuDNN下载

1. cuda下载

官网链接：https://developer.nvidia.com/cuda-toolkit-archive

选择合适的版本下载CUDA

2. cuDNN下载

官网链接：https://developer.nvidia.com/rdp/cudnn-archive

选择对应版本的cudnn

三、CUDA、cuDNN安装【多个CUDA安装方法相同】

1. CUDA安装

进入下载目录，使用以下命令安装CUDA

sudo sh cuda_10.1.105_418.39_linux.run

然后根据提示进行安装（可以按Ctrl+C跳过提示，如果已经有驱动可以选择只安装CUDA-Toolkit）

配置环境变量（多个CUDA安装不用重复配置）

vim ~/.bashrc

# 输入i进入编辑模式，将以下内容加入文件中
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64
export PATH=$PATH:/usr/local/cuda/bin
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda

# 按Esc退出编辑模式，输入：wq对编辑的文件进行保存并退出

# 更新~/.bashrc文件
source ~/.bashrc

2. cuDNN安装

进入下载目录，使用以下命令解压

tar -xzvf cudnn-10.1-linux-x64-v8.0.5.39.tgz

解压目录中的 cuda/include/cudnn.h 文件复制到 /usr/local/cuda-10.0/include 文件夹， cuda/lib64/ 下所有文件复制到 /usr/local/cuda-10.0/lib64 文件夹中

# 添加权限
sudo chmod a+r /usr/local/cuda-11.0/include/cudnn*
sudo chmod a+r /usr/local/cuda-11.0/lib64/libcudnn*

# 复制文件
sudo cp cuda/include/* /usr/local/cuda-11.0/include
sudo cp cuda/lib64/* /usr/local/cuda-11.0/lib64

3. 切换当前CUDA版本

查看当前版本CUDA

cd /usr/local/

stat cuda

切换版本（原理其实是建立一个软连接）

# 断开cuda文件与cuda-10.0的符号链接
sudo rm -rf cuda

# 建立cuda文件与cuda-10.1的符号链接
sudo ln -s /usr/local/cuda-10.1 /usr/local/cuda

4. 卸载CUDA

如果不再需要该版本的CUDA，则可以通过以下命令进行卸载：

sudo /usr/local/cuda-11.0/bin/cuda-uninstaller
sudo rm -rf /usr/local/cuda-11.0

四、Tensorflow-gpu安装

conda create -n tensorflow-gpu python=3.7

conda activate tensorflow-gpu

# 不要使用conda install，否则会下载cudatoolkit
pip install tensorflow-gpu==1.14

五、安装测试

>>> import tensorflow as tf
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess = tf.Session()
>>> print(sess.run(hello))
Hello, TensorFlow!
>>> a = tf.constant(10)
>>> b = tf.constant(32)
>>> print(sess.run(a + b))
42
>>>print(tf.test.is_gpu_available())
True
>>>