搭载RTX3090显卡服务器配置tensorflow1.x项目的曲折经历

        事情起因是需要在服务器上跑代码，指导老师提供了学校的服务器，搭载两块RTX3090显卡，一开始按照需要跑的项目所需的配置文件配置环境：

        发现在跑代码跑到模型训练部分的时候发生报错：

failed to run cuBLAS routine: CUBLAS_STATUS_EXECUTION_FAILED

        经过查阅资料发现，我们遇到此报错的原因是tensorflow1.x版本无法使用RTX30系列显卡进行GPU训练，如果对训练速度没有要求，按照以下代码禁用GPU可通过CPU训练解决报错：

import os
os.environ["CUDA_VISIBLE_DEVICES"] = "-1"  #设置为-1可以禁用GPU

        但是服务器就在那里，不太可能因为一个项目换掉学校服务器的cuda和显卡版本，我参与的项目需要代码跑结果，使用CPU训练即使是一个epoch也需要十个小时，于是查阅资料，有一种解决方案。

        NVIDIA一直在维护一个1.15版本的nvidia-tensorflow可以使用在30系显卡上，虽然与原项目要求的tensorflow-gpu1.13不是一个版本，但这是唯一可能行得通的办法，于是通过一下linux命令创建一个RTX3090服务器上可以使用GPU训练的tensorflow1.x版本环境：

sudo su
conda create -n TF1env python=3.8
conda activate TF1env
pip install nvidia-pyindex
pip install nvidia-tensorflow[horovod]==1.15.4
conda list

        有几个注意事项，很多教程都没有讲清楚导致我还是走了不少弯路，重新配了很多遍环境：

        ①首先是在搜集资料的时候，有人使用python3.6版本正常使用了nvidia-tensorflow，但是官方要求的版本是python3.8，所以我选择了3.8版本。可以确定的是python3.7是不支持nvidia-tensorflow的。