Linux 安装 Tensorflow-gpu
实验环境：
硬件：Dell G7 / RTX2060
系统：Kubuntu 20.04 LTS
软件环境（已预先安装）：
nvidia-driver-470
nvidia-cuda-toolkit
python3、pip3（没有安装Anaconda）
首先，先放几个重要的链接：
tensorflow各个版本与cuda版本的对应关系（有时效性，仅供参考）
https://blog.csdn.net/ysten618/article/details/106928786/
NVIDIA cuDNN 官方下载站
https://developer.nvidia.com/rdp/cudnn-archive#a-collapse765-101
安装TensorFlow并使其能够使用电脑的英伟达显卡，需要同时安装CUDA（让NVIDIA显卡能够用于并行计算的工具包）和cuDNN（让NVIDIA显卡能够用于神经网络计算的包）。
也就是，总共3个包：（默认python3、显卡驱动等这些基础的东西你已经装好了）
Tensorflow-GPU
CUDA
cuDNN
（若没有安装英伟达显驱，可参考 https://zhuanlan.zhihu.com/p/59618999 中的1.1和1.2步骤安装）
CUDA安装
由于本萌新认为安装显卡驱动是最危险、最难处理的步骤，所以本萌新安装tensorflow是以“不更改显卡驱动”为核心准则的，（实际上三个包的安装的版本并不是固定的）。通过命令
sudo aptitude install nvidia-cuda-toolkit
自动地安装适应当前显驱的最合适的CUDA。（本实验已经提前安装了CUDA，所有没有实际执行这一句）
查看CUDA版本：
本来应该有两种方法：
1）输入命令：
nvidia-smi
2）输入命令：
nvcc -V
两种方法显示的结果不一致，经过实验，以第二种方法的结果为准。
Tensorflow-GPU安装
根据“对应表”，选择合适的Tensorflow版本进行安装
例如，我的CUDA版本是10.1.243，所以可以选择Tensorflow-GPU-2.3.0进行安装，使用命令：
sudo pip3 install tensorflow-gpu==2.3.0
（注：pip3前面加sudo是我个人的陋习，你们实践的时候可以尝试不加sudo）
cuDNN安装
前往cuDNN官方下载站，根据“对应表”，选择合适的cuDNN版本下载。例如，我的CUDA版本为10.1.243，Tensorflow版本为2.3.0，那么cuDNN的版本应为7.6。
为了安装方便，本萌新选则使用Deb包进行傻瓜式安装，在这里有三个文件，只有1号文件是必须安装的cuDNN本体，2号3号随意安装，但安装必须先安装1号文件。
下载好后先命令行cd到下载目录下，然后使用命令：
sudo dpkg -i xxxxxxxxx.deb
进行Deb包安装。
（注：实验系统为Kubuntu20.04，但安装了属于Ubuntu18.04的包，目前尚未出现兼容性问题）
至此，tensorflow-gpu已经成功安装，现在可以检查其是否可以正常使用。本萌新提供一份简单的渣渣测试代码：
#########################################################################
import tensorflow as tf
import numpy as np
tf.compat.v1.disable_eager_execution()
N = 1000
x_data = np.random.rand(N).astype(np.float32)
y_data = x_data * 0.5 - 0.5
### Create TF Structure Start #################################################
# -1至1 的一维初始权重
Weights = tf.Variable(tf.random.uniform([1],-1.0,1.0))
# 0 的一维初始偏置
biases = tf.Variable(tf.zeros([1]))
#神经元计算值
y = Weights * x_data + biases
#误差（平方均值）
cost = tf.reduce_mean(tf.square(y - y_data))
#求导优化器（0.5的学习效率）
optimizer = tf.compat.v1.train.GradientDescentOptimizer(0.5)
#按照cost启动优化器
train = optimizer.minimize(cost)
#神经网络结构初始化按钮
init = tf.compat.v1.global_variables_initializer()
### Create TF Structure End #################################################
sess = tf.compat.v1.Session()
sess.run(init)
for step in range(1000):
sess.run(train)
if step%20 == 0:
print('%04d:'%step,'Weights = %f'%sess.run(Weights)[0],'biases = %f'%sess.run(biases)[0])
########################################################################
试运行该代码，观察输出结果，着重看有没有类似“Could not load dynamic library xxxxxxxx.so.xx.x.x”的错误发生，即缺少什么什么文件。
若显示缺少libcudart.so.10.1文件，那么说明安装的Tensorflow-GPU的需要的CUDA版本为10.1.x，（着重看文件的数字后缀，它对应者包的版本）。
若显示缺少libcudnn.so.7文件，即说明安装的Tensorflow-GPU的需要的cuDNN版本为7.x。
这种问题自行重新安装各个包、调整其版本即可。
