Ubuntu安装cuda10.2来用tensorflow2.x和

目前tensorflow2.4.x以下官方标配cuda10.1，也是官方在github给出方案，修改cuda软链接即可，非常简单。也不影响pytorch1.5(cuda10.2.89)的继续使用。

1、前提是你已经正确安装cuda10.2.89，检查：

nvidia-smi
nvcc -V

2、重点来了哦

# 干正事（重点就这二步）：
cd /usr/local/cuda-10.2/targets/x86_64-linux/lib/
sudo ln -s libcudart.so.10.2.89 libcudart.so.10.1
sudo ln -s libcupti.so.10.2.75 libcupti.so.10.1

# 如果使用的是cudnn8.X 如果是cudnn7.x 请略过
cd /usr/local/cuda-10.2/lib64
sudo ln -s libcudnn.so.8 libcudnn.so.7


# 检查添加路径：
sudo vi ~/.bashrc

export CUDA_HOME=/usr/local/cuda-10.2
export LD_LIBRARY_PATH=${CUDA_HOME}/lib64:${CUDA_HOME}/extras/CUPTI/lib64
export PATH=${CUDA_HOME}/bin:${PATH}

source ~/.bashrc

检查GPU：

# 检查GPU：
>python
>>>import tensorflow as tf
>>>tf.__version__
2.3.1
>>>tf.test.is_gpu_available()
True
>>>tf.config.list_physical_devices('GPU')
[PhysicalDevice(name='/physical_device:GPU:0', device_type='GPU'),
 PhysicalDevice(name='/physical_device:GPU:1', device_type='GPU'),
 PhysicalDevice(name='/physical_device:GPU:2', device_type='GPU'),
 PhysicalDevice(name='/physical_device:GPU:3', device_type='GPU')]

至此，大功告成！

注：尽量使用TensorFlow2.x官方推荐版本，以免遇到不必要的麻烦。