显卡驱动之前已经安装好了，过程分享在这里
Y9000p，3060-laptop，ubuntu安装显卡驱动nvidia-driver-470
之后新建虚拟环境里装了pytorch，百度到的方法，过程比较顺利，所以没有写流程

转载一个别人写的链接：Ubuntu20.04.2LTS系统下安装CUDA +cuDNN+PyTorch
因为之前装470驱动的时候会自动装cuda10但是我新安装了cuda11.1，所以又百度到了
ubuntu多cuda版本切换
都顺利完成了

（tips：cuda和cudnn在主环境下安装，pytorch和TensorFlow在虚拟环境里安装）

补充：

很多文章都没提到过，测试过cuda安装好之后再装cudnn
测试cuda：
找到一个这样的文件夹

在文件夹内打开终端：

make all

然后会编译半个小时左右，编译成功后后会提示Finished building CUDA samples
这时候进入/usr/local/cuda/extras/demo_suite目录下，找到deviceQuery可执行文件，并执行(./deviceQuery)，将会输出GPU相关信息。

新版本cudnn命令有改变，所以在此补充：
查看cuda和cudnn版本：
（1）在python环境里

import torch
print(torch.__version__)
print(torch.version.cuda)
print(torch.backends.cudnn.version())

输出如下：

1.8.2是pytorch的版本，cuda11.1（我也不知道8005是啥，我装的是8.2.0）

（2）终端
在终端中输入

nvcc -V

cuda为11.1

cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

可以看到cudnn版本为8.2.0
（查看cudnn的命令有些博主写的过时了，可能会没有反应）

以上就是pytorch的安装过程

之后就是烦人的TensorFlow了
百度到的方法可以明显看到时间都比较久远，基本都是20年之前的，有些命令和模块的名称会有更新
先转一个配置表：
2021最新：TensorFlow各个GPU版本CUDA和cuDNN对应版本整理
然后在虚拟环境中打开终端：

pip3 install tensorflow==x.x.x

(新版本默认装的就是gpu，所以不用加-gpu的后缀了)
之后的就是出错很多的地方了：
首先在终端内输入：

nvidia-smi

确认是显卡占用是 0% （不然后续程序会报错）
之后大部分流程都会让你进入python环境输入代码确认TensorFlow安装成功
但是代码很老了，无法运行，让我以为安装失败了呢

错误版本：

import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess=tf.Session(config=config)
print(sess.run(hello))

然后会提示代码错误没有session模块！！！

正确版本！！：

import tensorflow as tf
import os
os.environ["CUDA_VISIBLE_DEVICES"]="0"

tf.compat.v1.disable_eager_execution()
hello=tf.constant('Hello,TensorFlow')
config=tf.compat.v1.ConfigProto()
config.gpu_options.per_process_gpu_memory_fraction = 0.9
sess=tf.compat.v1.Session(config=config)
print(sess.run(hello))

会输出Hello,TensorFlow

至此TensorFlow安装成功！！！