linux上安装tensorflow-gpu出现cuda和cudnn版本匹配不一致的问题

linux安装tensorflow的gpu版本bug

在linux上安装完tensorflow的gpu版本，运行

import tensorflow as tf
print(tf.test.is_gpu_available())

出现 False 以及出现下面两个警告
Could not load dynamic library 'libcudart.so.10.0'; dlerror: libcudart.so.10.0: cannot open shared object file: No such file or directory

Could not load dynamic library 'libcudnn.so.7'; dlerror: libcudnn.so.7: cannot open shared object file: No such file or directory

**问题原因：**安装的tensorflow 的gpu版本和linux上的cuda以及cudnn版本不匹配，解决办法：
一：安装和全局cuda和cudnn版本匹配的tensorflow版本；
二：root用户全局安装对应版本的cuda和cudnn；
三：在conda环境下安装cudatoolkit和cudnn。
个人推荐第三种方法。

方法一：

1. 通过 nvcc -V 或者 cat /usr/local/cuda/version.txt 查看全局的cuda和cudnn的版本信息，然后对应合适的tensorflow-gpu版本，可参考：https://blog.csdn.net/K1052176873/article/details/114526086、https://blog.csdn.net/LLABVIEW/article/details/120443834

2. pip install tensorflow-gpu==版本号

3. 输入 python 进入python环境后，import tensorflow as tf ，print(tf.test.is_gpu_available()) ；如果输出为 True，则说明安装成功

   注意如果 pip install tensorflow 安装的是tensorflow的cpu版本。

方法二：

有root权限的用户可以在linux上重新安装与tensorflow版本对应的cuda和cudnn版本，可以全局配置。

方法三：

没有root权限的用户无法安装新的全局cuda和cudnn版本，只能安装针对此用户的cuda和cudnn，可以使用conda安装cuda和cudnn。

1. 先按照方法一的步骤安装，如果最后print(tf.test.is_gpu_available()) 输出 为 False，且出现下面情况：
   

2. 然后在conda环境下输入 conda install cudatoolkit=10.0；

3. 然后利用 conda search cudnn 查看cuda版本对应的cudnn版本，然后输入如 conda install cudnn=7.6.5 ；

4. 如果conda中没有合适的cuda或者cudnn版本，则通过windows本地下载安装包后上传到linux，然后使用 conda install --use-local file 安装