之前的文章讲过用Tensorflow的object detection api训练MobileNetV2-SSDLite，然后发现训练的时候没有利用到GPU，反而CPU占用率贼高（可能会有Could not dlopen library ‘libcudart.so.10.0’之类的警告）。经调查应该是Tensorflow的GPU版本跟服务器所用的cuda及cudnn版本不匹配引起的。知道问题所在之后就好办了。
检查cuda和cudnn版本
首先查看cuda版本：
cat /usr/local/cuda/version.txt
以及cudnn版本：
cat /usr/local/cuda
2021-11-05 02:58:16
45KB
1
cudnn-10.1-windows10-x64-v7.6.5.32.7z
2021-11-04 13:09:54
166.5MB
1
TensorFlow GPU安装需要的，适用于win7，cuDNN v5.1(官方建议版本) Library for Windows 7,解压后分别将三个文件放到cuda的相应安装目录下
2021-11-02 16:55:03
53.94MB
1
Anaconda+Cuda+Cudnn+TensorFlow+Pytorch+Pycharm环境搭建-附件资源
2021-11-02 13:26:34
23B
1
包含win10系统下的tensorRT库，从6.0到7.2版本都有，并且提供cuda对应的支持版本cuda10.0到11.0版本，百度网盘提供链接地址！
2021-10-30 15:05:52
18KB
1
cudnn-9.1-windows7-x64-v7.05，于2017年12月11日发布，适用于CUDA9.1
2021-10-28 10:25:25
170.02MB
1
cudnn64_8.dll、cudnn_ops_infer64_8.dll等tensorflow所需dll
2021-10-27 17:00:41
410.52MB
win10+cuda9.0+cuDNN 7.0+Tensorflow1.5（GPU）安装-附件资源
2021-10-26 11:46:06
23B
1
cuda10.1＋cudnn7.6.4.38,命令：
tar -zxvf cudnn-10.1-linux-x64-v7.6.4.38.tgz
sudo cp cuda/include/cudnn.h /usr/local/cuda/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*
sudo dpkg -i libcudnn7_7.6.4.38-1+cuda10.1_amd64.deb
sudo dpkg -i libcudnn7-dev_7.6.4.38-1+cuda10.1_amd64.deb
sudo dpkg -i libcudnn7-doc_7.6.4.38-1+cuda10.1_amd64.deb
2021-10-24 18:11:13
499.82MB
1