2021-10-19 15:25:54.221491: W tensorflow/stream_executor/platform/default/dso_loader.cc:60] Could not load dynamic library 'libcudnn.so.8'; dlerror: libcudnn.so.8: cannot open shared object file: No such file or directory; LD_LIBRARY_PATH: :/usr/local/cuda-11.0/lib64
2021-10-19 15:25:54.221498: W tensorflow/core/common_runtime/gpu/gpu_device.cc:1757] Cannot dlopen some GPU libraries. Please make sure the missing libraries mentioned above are installed properly if you would like to use GPU. Follow the guide at https://www.tensorflow.org/install/gpu for how to download and setup the required libraries for your platform.
tensorflowGPU加速必备基础知识：tensorflow2.x使用GPU加速主要有两种策略。
第一是直接进入tensorflow官网，先点击安装，再点击GPU支持，往下滑找到Ubuntu18.01（CUDA 11.0），根据这些环境配置CUDA和cuDNN，最后直接一句 指令 pip install tensorflow==2.4.1 就下载成功了支持GPU计算的tensorflow2.4.1版本。(注意：该方法直接会将CUDA和cudnn配置在一起，推荐这个。缺点：如果电脑硬件不同，tensorflow官网没有给可以配的版本，则需要自己手动配置 tensorflow CUDA cuDNN)
第二是自己配置tensorflow，CUDA，cuDnn。先配置CUDA，请见我的博客Installation failed. See log at /var/log/cuda-installer.log for details._English ONly的博客-CSDN博客
，然后配置cnDNN 请见如下的二、解决方案。
二、解决方案：下载cuDNN并配置它和CUDA的关系1、打开cuDNN官网并下载需要的包
这个是cuDNN的官网：cuDNN Archive | NVIDIA Developer，打开此页面如下：
因为我的CUDA版本是11.0，因此我点击了第三行的的for CUDA 11.x，则出现如下界面
点击蓝色框框后，就会下载得到一个文件。
2、将下载到的solitairetheme8文件转成tgz格式文件
cp cudnn-11.3-linux-x64-v8.2.1.32.solitairetheme8 cudnn-11.3-linux-x64-v8.2.1.32.tgz
运行该指令后，同文件夹会多出来蓝色框所示文件。
3、解压tgz文件
tar -zxvf cudnn-11.3-linux-x64-v8.2.1.32.tgz
4、将解压后得到的cuda文件里面的内容复制到 /usr/local/cuda不同的指定目录下，并更改权限
注：如果当前目录下有cuda文件夹 先删除，否则会报错
sudo cp cuda/include/cudnn_version.h /usr/local/cuda/include #这一行的指令不是必须的，这一行指令会便于我们检测cuDNN的版本
sudo cp cuda/include/cudnn.h /usr/local/cuda/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*
注(这里绿色部分写成cuda没问题，有些人可能觉得疑惑，我下载的是cuda-11.0，为何这些复制到的位置是cuda而不是cuda-11.0，这一个部分我单独再写一个博客，关于不同版本的cuda进行版本切换。)
5、指令检测cdDNN是否安装成功
输入如下指令：
cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2
若显示如下，则成功，我的cuDNN版本是8.2.1。
