tensorflow调用GPU出错:Could not load dynamic library ‘libcudnn.so.8‘

记录以下tensorflow调用GPU所踩的坑（仅用于个人笔记）

1. 使用命令查看自己的CUDA版本

nvidia-smi

我的版本是11.0，图右上角。

没有安装CUDA的请自行查看教程。

2. 根据自己的CUDA版本查看匹配的python版本以及tensorflow版本
   版本匹配如下：
   
   我的CUDA是11.0，使用的python版本为3.8，tensorflow-gpu或者tensorflow版本要使用2.4.0
   安装tensorflow：

conda install tensorflow-gpu==2.4.0

或者 pip install tensorflow-gpu==2.4.0

3. 使用如下命令检测能否调用gpu

import os
from tensorflow.python.client import device_lib
os.environ["TF_CPP_MIN_LOG_LEVEL"] = "99"
if __name__ == "__main__":
    print(device_lib.list_local_devices())

发现只能调用cpu，出现提示如下：

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

说明只安装了CUDA，并未安装CUDA所对应的libcudnn

4. 去官网找到对应的libcudnn版本
   网址：https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/
   我所对应的版本如图所示
   
   使用以下命令下载：

wget https://developer.download.nvidia.cn/compute/cuda/repos/ubuntu2004/x86_64/libcudnn8_8.0.5.39-1 cuda11.0_amd64.deb

链接是根据CUDA所选的cudnn的链接。
5. 进行安装

sudo dpkg -i libcudnn8_8.0.5.39-1 cuda11.1_amd64.deb

6. 再次使用步骤3中的代码进行测试，结果如下。
   
   至此，跑程序就可以调用gpu了。

这篇好文章是转载于：学新通技术网