tensorflow-gpu 2.2搭配CUDA10.2时缺少对应cuDNN7.6.4安装包问题问询

• 方案1：直接安装cuDNN v7.6.4 for CUDA 10.1版本包，CUDA 10.x系列小版本向后兼容，该版本cuDNN可正常在CUDA10.2环境运行，操作步骤如下：
  1. 下载对应Linux平台的cuDNN v7.6.4 for CUDA 10.1压缩包
  2. 执行解压及安装命令：

  tar -xzvf cudnn-10.1-linux-x64-v7.6.4.38.tgz
  sudo cp cuda/include/cudnn*.h /usr/local/cuda-10.2/include
  sudo cp cuda/lib64/libcudnn* /usr/local/cuda-10.2/lib64
  sudo chmod a+r /usr/local/cuda-10.2/include/cudnn*.h /usr/local/cuda-10.2/lib64/libcudnn*
  

  3. 安装完成后执行验证命令，返回True即为配置成功：

  python -c "import tensorflow as tf; print(tf.test.is_gpu_available())"
  

• 方案2：升级tensorflow-gpu版本至2.3及以上，该版本范围原生支持CUDA10.2，对应适配的cuDNN 7.6.5有官方提供的CUDA10.2专属安装包，且tensorflow 2.2到2.3版本API兼容性高，几乎无需修改业务代码。
• 方案3：使用conda安装tensorflow-gpu 2.2，conda会自动适配对应版本的CUDA和cuDNN依赖，安装的依赖包独立于系统全局CUDA环境，不会影响其他开发框架对系统CUDA10.2的调用，安装命令如下：

  conda install tensorflow-gpu=2.2 cudatoolkit=10.2 cudnn=7.6.4
  

内容的提问来源于stack exchange，提问作者Mona Jalal