CUDA10.2+cuDNN8+tensorflow-gpu2.3.1安装

前言：前段时间开始接触深度学习，安装cuda时就默认安装了10.2版本，同时安装了对应版本的cuDNN8。但是由于tensorflow-gpu和cuda、cuDNN版本之间存在对应关系，如果不匹配，会导致import tensorflow-gpu报错。下面是在三者版本不匹配时，不需要重新安装的解决办法。（如果还没安装，强烈建议按照官方给的版本安装，会避免很多麻烦）

已安装：

cuda10.2

cuDNN8

在后续安装tensorflow-gpu时出现了问题（tensorflow通过pip安装后可以正常import，但是想用tensorflow-gpu时有问题）。

在pip install tensorflow-gpu成功后，通过pip list查看，版本是2.3.1

在程序中import tensorflow会报错，找不到该模块 ModuleNotFoundError。

后来发现官方对于tensorflow-gpu和cuda、cuDNN版本有要求，我现在的版本是不对的

发现最新的对应关系只有tensorflow-gpu2.3.0+cuDNN7.4+CUDA10.1
（如果你还没安装，建议按照这个版本配置来）

因为重新安装CUDA、cuDNN也有点麻烦，就打算直接改版本号

方法：

1. 将CUDA安装目录下的 E:\cuda\v10.2\bin\cudart64_102.dll 在所在目录下复制一份，更名为cudart64_101.dll
   
2. 将CUDA安装目录下的（已经安装好cuDNN了）E:\cuda\v10.2\cudnn\bin\cudnn64_8，复制一份到E:\cuda\v10.2\bin目录下，并更名为cudnn64_7.dll
   

测试：

import tensorflow as tf
print(tf.test.is_gpu_available())

输出结果是true，tensorflow-gpu安装成功

说明：

1. 如果同时安装了tensorflow和tensorflow-gpu，在import tensorflow时，优先导入的是高版本的tensorflow / tensorflow-gpu，如果同版本，默认导入的是tensorflow（cpu版本）。
2. 为了避免tensorflow和tensorflow-gpu同时安装后，具体import谁的问题，如果电脑支持gpu加速，建议直接安装gpu版本。

参考：

• tensorflow-gpu、cuDNN、CUDA版本对应关系：https://tensorflow.google.cn/install/source_windows#gpu
• https://www.bilibili.com/video/av457247149/