★★★ Ubuntu中安装TensorFlow-GPU【CUDA版本要和TensorFlow对应，否则一直False】/GLIBCXX_3.4.30‘ not found
安装Anoconda
直接看下面的教程就行了：
WSL中安装Anaconda3并建立独立环境_wsl安装anaconda_马鹏森的博客-CSDN博客
原来一直用pytorch，今天需要使用TensorFlow，结果死活装不上GPU版本，我无语了
查看是否可以使用TensorFlow-GPU：
import tensorflow as tf
# import tensorflow.compat.v1 as tf
# print(tf.__version__)
print(tf.test.is_gpu_available())
print(tf.config.list_physical_devices('GPU'))
一、官网查看版本关系：
CUDA与cuDNN 的对应关系一定要对
Build from source on Windows | TensorFlow
二、Ubuntu安装CUDA与cuDNN
CUDA Toolkit Archive | NVIDIA Developer
打开官网：CUDA Toolkit 11.2 Downloads | NVIDIA Developer
运行：
wget https://developer.download.nvidia.com/compute/cuda/11.2.0/local_installers/cuda_11.2.0_460.27.04_linux.runsudo sh cuda_11.2.0_460.27.04_linux.run --override一直安装就可以了
2、设置环境变量
vim ~/.bashrc
export PATH=/usr/bin:$PATH
export PATH=/usr/local/cuda-11.2/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-11.2/lib64:$LD_LIBRARY_PATH
source ~/.bashrc
输入 nvcc -V 验证 显示
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2020 NVIDIA Corporation
Built on Mon_Nov_30_19:08:53_PST_2020
Cuda compilation tools, release 11.2, V11.2.67
Build cuda_11.2.r11.2/compiler.29373293_0
二、安装cudnn8.2.1
打开官网：https://developer.nvidia.com/rdp/cudnn-archive
解压cudnn
根据官网，和CUDA11.1配套的是CUDNN8.1.1，下载下来的是一个tar文件，那么首先需要解压这个文件，解压之后得到一个cuda文件夹，里面有lib64、include还有一个不知道什么用的文档
【下面的文件夹要根据实际的情况改变】
tar -xvf cudnn-11.2-linux-x64-v8.1.1.33.tgzsudo cp cuda/include/cudnn*.h /usr/local/cuda/include/sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/sudo cp cuda/lib64【这里可能是lib64或lib】/libcudnn* /usr/local/cuda/lib64【这里一定是lib64】/
查看版本号：
cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2
8.1.1
下面直接pip就可以了，需要什么pip install tensorflow-gpu，因为pip install tensorflow就包含了GPU了
pip install tensorflow==2.6.0如果出现了下面的问题：
'GLIBCXX_3.4.30' not found for librosa
conda install -c anaconda scipy==1.9.1 如果上述方法不起作用，那么使用下面方法解决：