1.安装显卡驱动，这里建议使用系统自带的software&update进行驱动添加，之前在官网下载安装后遇到过重复登录的问题，不过系统添加驱动版本可能不够新，这里安装驱动版本为455。具体步骤：找到Software&Update，选择Additional Drivers，勾选using NVIDIA，点击右下角的应用，就自动开始安装。
安装重启后运行一下nvidia-smi，如果正常运行出结果，说明显卡启动安装正常。
2.查看Tensorflow各个版本需要的CUDA版本以及cuDNN的对应关系。（以RTX3090为例，需要下载Tensorflow 2.4.0 CUDA11.1 cuDNN8.0.5）https://tensorflow.google.cn/install/source#linux
3.进入NVIDIA官网（https://developer.nvidia.com/cuda-toolkit-archive）找到对应版本的CUDA并运行命令以下进行安装，如果下载慢也可从评论区中下载。
wget https://developer.download.nvidia.com/compute/cuda/11.1.1/local_installers/cuda_11.1.1_455.32.00_linux.run
sudo sh cuda_11.1.1_455.32.00_linux.run
因驱动已经安装完成，安装CUDA时请将安装驱动的X取消，完成安装。
安装完毕后，运行下面指令配置环境变量。
sudo gedit ~/.bashrc
运行下面指令使用vim（或其他编辑方式）添加环境变量。
sudo vim .bashrc
加入下面环境变量后保存退出。
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-11.1/lib64
export PATH=$PATH:/usr/local/cuda-11.1/bin
export CUDA_HOME=/usr/local/cuda-11.1
最后运行刷新下面命令环境变量，并运行nvcc -v查看是否安装成功。
source ~/.bashrc
4.进入NVIDIA官网（https://developer.nvidia.com/rdp/cudnn-download）下载对应版本的cuDNN并运行命令解压缩，如果下载慢也可从评论区中下载。
将解压缩后的文件通过命令复制到CUDA中。 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*
运行下面命令，安装三个Deb文件。
sudo dpkg -i libcudnn8_8.0.5.39-1+cuda11.1_amd64.deb
sudo dpkg -i libcudnn8-dev_8.0.5.39-1+cuda11.1_amd64.deb
sudo dpkg -i libcudnn8-samples_8.0.5.39-1+cuda11.1_amd64.deb
安装完毕重新启动，运行下面命令进行测试，最后显示passed说明安装完成。
cd /usr/local/cuda/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery
注：我在使用CUDA11.1版本的时候，发现使用GPU版本的TF时会提示缺少libcusolver.so.10，发现文件中只有libcusolver.so.11，找到路径，使用命令（cp libcusolver.so.11 libcusolver.so.10）将libcusolver.so.11复制后，改名为libcusolver.so.10，解决问题。
找到路径，使用命令完成复制。
5.进入Anaconda官网（https://www.anaconda.com/products/individual），找到对应操作系统的Anaconda安装包进行下载并运行bash xxx安装（环境变量会自动添加）。
6.使用pip命令，通过清华镜像站安装GPU版本，在打开终端中输入如下命令。 pip install tensorflow-gpu --upgrade -i https://pypi.tuna.tsinghua.edu.cn/simple some-package
7.等待安装完成，输入ipython后，输入import tensorflow as tf，再输入tf.config.list_physical_devices(‘GPU’)测试安装结果，当返回如下提示说明GPU版本安装成功。
