参考教程（实际操作时略有不同）：
1
2
3
在老师电脑上的版本说明：
在conda下新建了名为tf-gpu的虚拟环境
python 3.9
tensorflow-gpu 2.5.0
cudatoolkit 11.3.1
cudnn 8.2.1
keras 2.5.0
实际操作命令行记录：
#查看显卡信息，发现系统未检测到显卡
nvidia-smi
lshw -c video
#查看对应的显卡驱动版本并安装
sudo apt-get --purge remove nvidia*
sudo apt autoremove
ubuntu-drivers devices
sudo apt install nvidia-driver-510-server
#重启电脑
#创建conda虚拟环境tf-gpu
python
conda create -n tf-gpu python==3.9
conda info -e
#激活虚拟环境tf-gpu
source activate tf-gpu
conda list
#输入以下命令打开condarc文件
vi ~/.condarc
#然后输入以下内容
该方法参考自清华源anaconda
channels:
- defaults
show_channel_urls: true
default_channels: - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
pytorch-lts: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
#然后在tf-gpu该虚拟环境中安装库
source activate tf-gpu
conda install cudatoolkit=11.3 cudnn=8.2.1
#这里选择清华、阿里镜像源，或不选择源直接安装，网速较快（以下三种命令选其一即可）
pip install --default-time=300 tensoflow-gpu2.5.0 keras2.5.0rc0 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install --default-time=300 tensorflow-gpu2.5.0 keras2.5.0rc0 -i https://mirrors.aliyun.com/pypi/simple
pip install --default-time=300 tensorflow-gpu2.5.0 keras2.5.0rc0
#在终端输入以下命令行验证
source activate tf-gpu
python
import tensorflow as tf
print(tf.version,tf.test.is_gpu_available())
#显示结果为2.5.0 True，安装成功
