目录
项目场景：
问题描述1
CUDA版本不匹配，需要重新安装
解决方案1：
额外安装其他版本的CUDA，并实现版本自由切换。
问题描述2：
1. cuDNN包解压后的cudnn.h文件无法复制到目标文件夹中
2. 如何查看是否会到最初版本的CUDA
解决方案2：
1. cudnn.h无法复制
2. 回到最初版本的CUDA
问题描述3：
tensorflow-gpu 1.12.0安装不断出现意外
解决方案3：
1. 方式一（更推荐方式二，下载速度翻倍）
2. 方式二
最终测试
项目场景：
现在需要在3090显卡上运行一个tensorflow 1.x的程序，具体配置如下：
版本选择越新越好，因此选择安装tensorflow-gpu 1.12.0。在安装的过程中，陆续会碰到三个问题，我将在下面依次列出并给予解答。
问题描述1
CUDA版本不匹配，需要重新安装
在安装tensorflow-gpu 1.12.0之前，需要查看该版本的tensorflow所需搭配的CUDA 和cuDNN版本如下：
使用nvidia-smi命令查看当前CUDA版本为11.2：
因此需要在非root条件下，为当前用户额外安装CUDA 9.0和对应的cuDNN 7.1，否则tensorflow 1.12.0根本无法使用。例如，在python交互式命令行中引入tensorflow如下：
import tensorflow会得到以下报错信息：
这就提示我们需要在CUDA 9.0的环境下才能正常使用tensorflow-gpu 1.12.0。
解决方案1：
额外安装其他版本的CUDA，并实现版本自由切换。
强烈推荐这篇博客：
非root用户在linux下安装多个版本的CUDA和cuDNN（cuda 8、cuda 10.1 等）_随性拂尘倾心的博客-CSDN博客按照他的步骤去做就能很顺利地在多个CUDA版本间自由切换了。
问题描述2：
按照上述博客安装其他版本的CUDA和cuDNN时，在最后的文件配置阶段会遇到两个问题：
1. cuDNN包解压后的cudnn.h文件无法复制到目标文件夹中
在执行第一句话时，系统会提示权限不够（Permission Denied）。
2. 如何查看是否会到最初版本的CUDA
正如作者所述，想要在多个版本的CUDA之间自由切换，只需每次修改bashrc文件并重新读取配置文件即可，再用nvcc -V指令就能看到CUDA版本在不断变化。但是，这种方式只能看到CUDA版本在额外安装的CUDA之间来回变化，当我们将先前添加的所有export语句都注释并使用source .bashrc重新读取配置文件以后，再使用nvcc -V查看，会发现此时显示的CUDA版本仍然是最后一次选择的CUDA版本，并非原始的CUDA 11.2。
解决方案2：
1. cudnn.h无法复制
在目标文件夹下同样可以找到一个cudnn.h文件， 该文件是只读文件，因此无法复制替换。此时先将该文件手动删除，再将源文件夹下的cudnn.h文件复制过来即可。
2. 回到最初版本的CUDA
此时需要将当前窗口关闭后重新打开，再使用nvcc -V命令会得到以下信息：
这个时候反而证明CUDA版本回到11.2了。我们还可以进一步做如下尝试进行验证：
在python交互式界面中输入以下语句：
import tensorflow会得到报错信息：
提示我们需要在CUDA 9.0环境下使用tensorflow，恰好证明我们现在回到了最初的CUDA 11.2 。当然，这种验证方法需要在安装tensorflow之后才能使用。
问题描述3：
tensorflow-gpu 1.12.0安装不断出现意外
我们尝试使用pip命令自动安装tensorflow-gpu 1.12.0。我们使用如下命令进行安装：
python -m pip --default-timeout=6000 install --upgrade -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==1.12.0 --no-cache-dir但是仍然不能避免出现版本问题，如：
[ERROR] THESE PACKAGES DO NOT MATCH THE HASHES FROM THE REQUIREMENTS FILE
并且，清华镜像源下载速度十分慢；中科大镜像源虽然速度很快，但在安装好tensorflow，并在接下来安装其他附加组件时，会出现找不到匹配包的问题；其他镜像源（如阿里、豆瓣、中科院）更是直接找不到tensorflow-gpu 1.12.0版本的安装包。
解决方案3：
直接在本地下载tensorflow-gpu 1.12.0的安装包，上传到服务器后使用pip进行安装。
1. 方式一（更推荐方式二，下载速度翻倍）
安装包可以在pypi的官网上进行下载：tensorflow-gpu · PyPI
首先选择目标版本：
选择下载文件：
选择对应python3.6版本的安装包：
2. 方式二
安装包可以在阿里云镜像源中进行下载：Links for tensorflow-gpu。在Pypi中下载速度以KB/s为单位，而在镜像源中下载以MB/s为单位。
选择目标安装包下载：
下载到本地后，上传到服务器中：
再使用pip命令进行安装：
pip install tensorflow_gpu-1.12.0-cp36-cp36m-manylinux1_x86_64.whl
最终测试
- 将CUDA版本切换成CUDA 9.0。
- 在python交互界面中输入：
import tensorflow as tf
sess = tf.Session()
a = tf.constant(1)
b = tf.constant(1)
print(sess.run(a+b)) 参考：测试TensorFlow 是否安装成功_zqx951102的博客-CSDN博客_测试tensorflow是否安装成功
得到输出结果为：
即表明安装成功 。
