解決tensorflow-gpu安裝過程中出現的tf.test.is_gpu_avaiable()傳回false的一部分解決方法

解決tensorflow-gpu安裝過程中出現的tf.test.is_gpu_avaiable()傳回false的一部分解決方法

Could not load dynamic library 'cudnn64_7.dll'; dlerror: cudnn64_7.dll not found

說起安裝tensorflow-gpu的時候出現的一些坑就有點郁悶寫個部落格記錄一下這一些坑，也算給後人一點解決方法

Question Ⅰ

第一種出現在

import tensorflow as tf

的時候，看截圖!

這玩樣我一開始安裝的時候看别人的教程裡貌似也有這問題，就沒管它，以為沒事情，後來最後的最後，我才發現是我想多了，這玩樣解決方法其實很簡單也很暴力，不就是沒找到

cudart64_101.dll

這個檔案嘛，直接搜尋，然後找到你電腦裡的

cudart64_101.dll

，一般在這個目錄下

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin

會有這樣的一個檔案，然後

Ctrl-C

，進入

C:\Windows\System32

目錄，來個

Cril-V

，over，解決！再來一次你就會發現，哎，他好了

Question Ⅱ

接下來就是那萬惡的GPU問題了

測試的時候輸入

tf.test.is_gpu_available()

，然後出現

得嘞，一大堆東西，前面一個waring不用管，出現這個警告的原因是TF2裡面這行語句改了，不用管，他自動幫你轉換了，直接看最後一行，好家夥，

False

，毫無疑問，沒連上GPU啊

噢，插句題外話，有些教程裡會讓你輸入

tf.Session()

來測試，然後你會發現，他會出現這樣的一個報錯

這是因為這句話是

tensorflow1.*

的一個文法，在

tensorflow2.*

把這句話改成了

tf.compat.v1.Session()

,輸入這個以後就會顯示對應的資訊了

這裡有幾種可能，我主要講一下我遇到的，其他的我也就給個其他部落客的連結了，畢竟沒遇到嘛

CUDA、cuDNN、tensorflow版本不一緻

對應版本的話，可以看這位部落客整理的，還是目前比較的全的https://blog.csdn.net/K1052176873/article/details/114526086

當然也可以直接上官網https://tensorflow.google.cn/install/source_windows?hl=en#gpu

這個問題其實我很久以前遇到的，那時候我在裝

Pytorch

，那次以後我就把這玩樣全部配好了，這次出現的也不是這個問題，我這裡就給出我當時的幾種解決思路。

• 第一種是看看這三個版本對不對應，如果不對應的話可能就需要重新安裝一下cuda，主要是CUDA版本，貌似cuDNN版本高一點沒啥太大關系，我電腦上的cuDNN也是8.0的而不是表裡的7.4。這個的話我就不給連結了，百度一搜太多了，基本上都是講這個問題的，我也沒有看哪個比較的好，是以就自行搜一下吧。
• 第二種也是我當初遇到的問題，顯示卡驅動版本過低了，我當初可是被這個坑的不輕，我一直在找CUDA的問題，最終确實驅動的鍋。這種的話，你可以下載下傳一個

  GeForce Experience

  ，官網：https://www.nvidia.cn/geforce/drivers/，它會自動給你更新驅動，不過這東西它需要登入，首次登入要驗證郵箱，驗證郵件發過來呢又非常的慢，甚至出現一個周才到也是有可能的（别懷疑，我真的遇到過），so，可以選擇手動下載下傳安裝驅動，在官網裡也有，選擇對應的資訊就好了
• 第三種是PATH内配置的的問題，在PATH裡有兩條是需要手動配的，如下，如果沒有配的話，也是有可能出現這個問題的

  

yes，各位看到的是一條報錯資訊，就是這條報錯導緻我輸出

False

，我當時最後發現這玩樣然後改完後有點想口吐芬芳，就說啊，其他架構可以調用GPU，咋就你TF不行。這段報錯出現在

tf.test.is_gpu_available()

的輸出裡，可以仔細悄悄，如果有的話，那解決方法......前面說了複制粘貼的事情，請看Question I

當我改完這個以後，它就....

True

了？？？？

沒安裝GPU版本

這個問題，enmm......，也不是不可能出現，如果裝的是CPU版本的話，那肯定是調用不了GPU的，乖乖卸了重裝吧

驗證方法的話，進入tensorflow環境，python下運作下面這些代碼

from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())
           

看看輸出（圖檔來自于https://blog.csdn.net/qq_37902216/article/details/89556068）

這種的話是CPU版本

如果是GPU版本的話，應該會有這樣的一段

（因為這個是我寫這篇部落格時候想到的，那時候我已經解決那個

False

問題了，但應該在輸出裡也會有明顯的GPU字樣，或者反向思維，不是CPU版本那肯定就是GPU版本了）

解除安裝

pip uninstall tensorflow
           

安裝

pip install tensorflow-gpu==版本号
           

然後重新驗證一下

主要應該就這些了，如果還有其他的其實可以看一看那一大段輸出，或許在裡面就會找到答案，我其他的也沒遇到過，也不好在此談論，希望這篇部落格對大家能有所幫助。

如有錯誤，歡迎指正！

同時釋出在CSDN：https://blog.csdn.net/tangkcc/article/details/120510152