Could not load dynamic library ‘cudart64_110.dll‘； dlerror: cudart64_110.dll

报错

 

本人安装的TensorFlow版本为

执行代码

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

如下

执行指令

import tensorflow as tf

tf.__version__

 

 

一开始不太明白为什么是CPU的还会报出GPU的错

在网上查了一下

大概就是说TensorFlow2.x版本其实默认了GPU和CPU两个版本都有

电脑上没有装CUDA和CUDNN，调用TensorFlow运行代码的时候是CPU来计算

 

最开始觉得用CPU也没什么嘛 因为前面跑的代码都比较简单神经网络结构也不是很复杂

后面稍微大一点的时候觉得这个速度实在是没法忍了

 

于是打算用GPU来计算了

 

在官网上下载cuda10.0后由于版本有问题导致无法安装

（这个地方一定要注意，一定要查看电脑上nvdia控制面板，看一下匹配的cuda的版本，否则就是竹篮打水一场空）

 

 

下载11.0的版本

网址在此

https://developer.nvidia.com/cuda-11.0-download-archive?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exenetwork

 

下载速度过慢的话可以考虑去网上随便找个资源下载下来

 

同时还要下载cudnn

官网应该都有下的，自行考虑

 

CUDA安装

因为我c盘空间不足所以选择了自定义

自定义安装的话需要记住安装的位置，配置环境变量的时候需要用到。

 

一般来说默认安装就可以了，很简单。

 

配置环境变量

添加这两个就可以了，因为我是自定义安装的，所以文件夹名都是自己设的

默认安装的话类似于这个，在网上找的别人的默认安装如下

 

 

cudnn

这个解压缩之后，打开文件夹，如下所示

可以看到有bin/include/lib文件夹

将这三个文件夹下的所有文件都分开复制后，打开之前CUDA的文件夹，就是上个步骤默认安装或者自定义安装的地址

将复制的文件粘贴到对应的bin/include/lib文件下

 

 

以上就是所有过程了

 

再执行

显示信息为