dlerror: cusparse64_11.dll not found. Cannot detetct...

1. tensorflow版本和CUDA版本匹配

dlerror: cusparse64_11.dll not found. Cannot detetct

遇到如上问题，是因为tensorflow-gpu版本过高，降低tensorflow版本即可

如果是2.0以上的tensorflow，按下面列表安装（2021年3月更新官网链接）

TF	CUDA	cudnn
2.0	10.0	7.6
2.1	10.1	7.6
2.2	10.1	7.6
2.3	10.1	7.6
2.4	11.0	8.0

可以看到tensorflow-gpu 2.4 对应了11.0的CUDA，所以降低tensorflow-gpu版本即可

下面命令可以显示可安装版本，如果出错，升级pip。

pip install tensorflow-gpu== 

降低tensorflow-gpu版本到对应自己的cuda即可使用gpu。

2. GPU测试

2.1 测试所有设备

from tensorflow.python.client import device_lib
import tensorflow as tf

print(device_lib.list_local_devices())
print(tf.test.is_built_with_cuda())

测试结果： 

 

2.2 测试gpu效果 

import timeit

import matplotlib.pyplot as plt
import tensorflow as tf

'''
以矩阵A[10,n]和矩阵B[n,10]的乘法运算（分别在cpu和gpu上运行）来测试，
'''


def cpu_gpu_compare(n):
    with tf.device('/cpu:0'):  # 指定操作用cpu计算
        cpu_a = tf.random.normal([10, n])  # 生成符合高斯分布的随机数矩阵，通过改变n大小，增减计算量
        cpu_b = tf.random.normal([n, 10])
    print(cpu_a.device, cpu_b.device)
    with tf.device('/gpu:0'):
        gpu_a = tf.random.normal([10, n])
        gpu_b = tf.random.normal([n, 10])
    print(gpu_a.device, gpu_b.device)

    def cpu_run():
        with tf.device('/cpu:0'):  # 矩阵乘法，此操作采用cpu计算
            c = tf.matmul(cpu_a, cpu_b)
        return c

    def gpu_run():
        with tf.device('/gpu:0'):  # 矩阵乘法，此操作采用gpu计算
            c = tf.matmul(gpu_a, gpu_b)
        return c

    # 第一次计算需要热身，避免将初始化时间计算在内
    cpu_time = timeit.timeit(cpu_run, number=10)
    gpu_time = timeit.timeit(gpu_run, number=10)
    print('warmup:', cpu_time, gpu_time)
    # 正式计算10次，取平均值
    cpu_time = timeit.timeit(cpu_run, number=10)
    gpu_time = timeit.timeit(gpu_run, number=10)
    print('run_time:', cpu_time, gpu_time)
    return cpu_time, gpu_time


# n_list1 = range(1, 2000, 5)
# n_list2 = range(2001, 10000, 100)
n_list3 = range(100000, 1000000, 50000)
# n_list = list(n_list1) + list(n_list2)
n_list = n_list3
time_cpu = []
time_gpu = []
for n in n_list:
    t = cpu_gpu_compare(n)
    time_cpu.append(t[0])
    time_gpu.append(t[1])
plt.plot(n_list, time_cpu, color='red', label='cpu')
plt.plot(n_list, time_gpu, color='green', linewidth=1.0, linestyle='--', label='gpu')
plt.ylabel('耗时', fontproperties='SimHei', fontsize=20)
plt.xlabel('计算量', fontproperties='SimHei', fontsize=20)
plt.title('cpu和gpu计算力比较', fontproperties='SimHei', fontsize=30)
plt.legend(loc='upper right')
plt.show()

测试结果：