直接参考TensorFlow的英文教程，不要选中文，因为有内容没更新！！！

https://tensorflow.google.cn/install/pip

不需要使用apt安装cuda和cudnn，只要用apt装一个小包，其余全部用conda在虚拟环境装就行了

sudo apt install libcuda1
# 后面经过测试，pytorh可能会缺包，因此还是建议完全安装cudatoolkit
sudo apt install nvidia-cuda-toolkit

版本什么的也不用去英伟达官网查来查去了，直接用TensorFlow官方教程推荐的版本

1. 安装anaconda或者miniconda，这里我用miniconda

   # conda 设置base环境不自动激活
   conda config --set auto_activate_base false
   

2. pip改为国内豆瓣源，conda改为清华源

   mkdir ~/.pip
   vi .pip/pip.conf
   # 输入以下内容
   [global]
   index-url=http://pypi.douban.com/simple
   [install]
   trusted-host=pypi.douban.com
   vi ~/.condarc
   # 输入以下
   auto_activate_base: false
   channels:
     - defaults
   show_channel_urls: true
   default_channels:
     - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
     - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
     - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
   custom_channels:
     conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
     msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
     bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
     menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
     pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
     pytorch-lts: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
     simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
   
   

3. conda创建虚拟环境

   conda create -n tf2 python=3.11
   

4. 激活进入虚拟环境

   conda activate tf2
   

5. 在虚拟环境中执行

   conda install -c conda-forge cudatoolkit=11.8.0
   pip install nvidia-cudnn-cu11==8.6.0.163
   mkdir -p $CONDA_PREFIX/etc/conda/activate.d
   echo 'CUDNN_PATH=$(dirname $(python -c "import nvidia.cudnn;print(nvidia.cudnn.__file__)"))' >> $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh
   echo 'export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CONDA_PREFIX/lib/:$CUDNN_PATH/lib' >> $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh
   vi /media/juju/backup/miniconda3/envs/tf2/etc/conda/activate.d/env_vars.sh
   # 查看设置环境变量的指令已经写进去了，如下
   CUDNN_PATH=$(dirname $(python -c "import nvidia.cudnn;print(nvidia.cudnn.__file__)"))
   export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CONDA_PREFIX/lib/:$CUDNN_PATH/lib
   

6. 重新进入虚拟环境，让环境变量生效

   conda deactivate
   conda activate tf2
   

7. 在虚拟环境执行，安装TensorFlow2.12

   pip install --upgrade pip
   pip install tensorflow==2.12.*
   

8. 测试验证一下，打印出GPU信息说明安装成功

   python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
   ......
   [PhysicalDevice(name='/physical_device:GPU:0', device_type='GPU')]