最近需要用到MXNET这个库，第一次接触CUDA和MXNET这些，摸索着终于完成了配置，中间遇到如下BUG，记录下来解决方法和安装流程以供参考。
（1）import mxnet时出现：OSError: [WinError 126] 找不到指定的模块。
（2）安装CUDA时不识别显卡，提示：This graphics driver could not find compatible graphics hardware
（3）测试MXNET时，输入语句提示：Upgrade advisory: this mxnet has been built against cuDNN lib version 7300, which is older than the oldest version tested by CI (7600)
首先确定你的电脑是英伟达的显卡，因为CUDA只支持英伟达系列显卡，AMD的不行。
这些环境对版本的要求很高！切记CUDA、CUDNN、MXNET的版本需要匹配！如果没有要求的话可以按照我的版本来！
一、安装
1.安装Anaconda
见我上一篇博客https://blog.csdn.net/qq_40574708/article/details/107181522
2.安装VS2015
VS2015有三个版本：
社区版（Community）、专业版（Professional）、企业版（Enterprise）
通常我们只需要用社区版就可以了，免费的，足够我们使用。
社区版下载地址：http://download.microsoft.com/download/B/4/8/B4870509-05CB-447C-878F-2F80E4CB464C/vs2015.com_chs.iso
下载过后是一个.iso文件，有的朋友说需要安装虚拟光驱才可以打开，但是我并没有安装就可以使用…所以如果你和我一样，下载过后双击就可以如下图一样打开，就直接安装就可以了。如果不行的话，就装一个虚拟光驱吧。
运行这个.exe文件，进入安装界面，等待它初始化后在选择安装模式前一路next就好，由于怕出什么幺蛾子，安装位置我选择的默认，在选择工具处需要注意以下，如果你只需要C++编程，那么只需要勾选C++就好了，下面的web编程如果需要的话再勾选，当然如果你空间足够大，全选也没什么问题。
然后等待其安装就好。注意安装完成后有两个vs2015，其中一个是blend for vs2015，不要用这个…这个是干啥的我也不知道，但是我知道你需要的是vs2015。
3.安装CMAKE
下载地址：www.cmake.org
我安装的是最新的版本3.17，如果没有别的需求的话你也可以安装这个版本，可以用的。安装CMAKE没有什么好说的，安装过程中记得勾选上添加环境变量，然后一路NEXT即可。
4.安装CUDA10.0
下载地址：https://developer.nvidia.com/cuda-downloads
依次选择好操作系统等选项，按照我所选的（深绿色）选项选择好，先不要点下面的下载，默认下载是最新的CUDA版本，不过我们要安装的是CUDA10.0，点击图片最下面一行的最右边的按钮–历史版本。
点击下载我鼠标所指的CUDA10.0，切记版本很重要，如果你没有别的需求的话安装10.0，我已经试过啦。
然后等待其下载，下载好后打开，下图这个是资源临时提取位置，默认就好，提取安装完成后，这个位置的临时提取的文件会清除掉的。
注意如果你安装的CUDA版本比较旧，比如我一开始安装的CUDA8.0，可能会出现显卡不识别的问题，因为有的电脑厂商会给显卡做一些特殊的硬件编号，导致低版本的CUDA安装程序不识别。所以我推荐安装CUDA10.0，如果你有别的需求，必须要安装低版本的，而又出现显卡不匹配的情况，需要在此处做一些操作，后文“BUG解决“模块会给出方法。
然后等待其提取，文件比较多，需要好一会儿。
直到出现这个界面，点击同意。
然后点击自定义安装，因为我们有一些东西是不需要的。
然后安装组件如图这样选择，因为下面的两个组件一般情况下我们是有的，不需要重新安装了。
然后下一步，选择位置，我是一路默认。
5.安装CUDNN
请注意这个版本的匹配也很重要，选择不好的话会影响MXNET和CUDA，所以还是那句话，可以按我的版本来。
下载地址：https://developer.nvidia.com/rdp/cudnn-download
这里需要注册一个英伟达账号，注册就是了。
点击下面鼠标所指的历史版本：
往下翻，找到鼠标所指的7.3.1for CUDA10.0这个版本，点击下载
下载完成后是一个压缩包，解压后是这个样子，我们需要把目录下的bin、include以及lib目录中的文件拷贝到相应的cuda安装目录中的bin、include和lib目录中去，我的CUDA安装目录是默认的C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0，如果你更改了，需要复制到对应的你选择的安装位置。
注意是复制文件夹下的文件，而不是文件夹！这三个文件夹bin,include,lib中各有一个文件，一共三个文件。其中lib下有一个x64的子目录，再打开这个子目录，需要复制的是文件cudnn.lib
然后将解压后的cudnn目录下的bin目录加到PATH环境变量里去。
6.安装MXNET
我们要安装的是GPU版本的MXNET，安装CPU版本的是用pip install mxnet这个命令。
安装GPU版本的如下：
打开cmd，在anaconda中新建一个环境，具体操作可以百度。
然后在cmd中输入”activate 环境名“，进入到环境中。
接着输入命令：
注意此处的mxnet-cu100是表示对应的CUDA版本为CUDA10.0，如果你安装的是CUDA8，就要改成mxnet-cu80。另外如果你安装的是CUDA10.1，那么mxnet也有个版本是mxnet-cu101，但是其他小版本貌似没有这样子。这里命令后边的网址是用的豆瓣的源，下载比较快，要不然要等好半天。
pip install --pre mxnet-cu100 -i https://pypi.douban.com/simple
然后等待其下载安装完成。
完成后测试一下是否安装成功：
还是在刚才的cmd界面，在你创建的环境下输入”python“，运行python，然后输入如下语句：
import mxnet as mx
a = mx.nd.ones(1)
b = mx.nd.ones(1,mx.gpu())
a.asnumpy()
b.asnumpy()
如果结果如下，那恭喜你安装成功了。
但是此处如果版本不对的话，在import mxnet语句会出现OSError: [WinError 126] 找不到指定的模块。
或者在运行b = mx.nd.ones(1,mx.gpu())时，出现错误Upgrade advisory: this mxnet has been built against cuDNN lib version 7300, which is older than the oldest version tested by CI (7600)
这都是版本不对的问题，在下文给予解释。
6.安装完成
二、BUG解决
1.安装CUDA时不识别显卡，提示：This graphics driver could not find compatible graphics hardware
这是错误界面，借用一张别人的错误图。
我的电脑是华硕天选，显卡是2060，华硕在出厂时应该是给这块显卡做了一些单独的配置，所以其硬件号不被低版本的CUDA安装程序所识别，所以我安装了CUDA10.0，是可以识别的，如果你需要安装低版本的，请参考：
https://blog.csdn.net/jacke121/article/details/78960658
https://tieba.baidu.com/p/3105785379?red_tag=2608527661
https://tieba.baidu.com/p/5778946954
最快捷的方法还是安装高版本CUDA…
2.import mxnet时出现：OSError: [WinError 126] 找不到指定的模块。
这是由于CUDA和MXNET版本不匹配的原因。比如你安装的是CUDA10.1，但是安装MXNET时输入的是mxnet-cu100，那么就会造成版本不匹配。
通过查找DLL文件你会发现，其DLL文件需要的版本是不匹配的，但是DLL文件属实不好替换，所以不如重新安装版本匹配的CUDA和MXNET来的方便。
参考：
https://discuss.gluon.ai/t/topic/8390/13
往下翻，这个兄弟的话点醒了我。
所以我选择卸载不匹配版本的CUDA和MXNET，重新安装CUDA10.0和mxnet-cu100。
3.测试MXNET时，输入语句提示：Upgrade advisory: this mxnet has been built against cuDNN lib version 7300, which is older than the oldest version tested by CI (7600)
这是由于CUDNN和MXNET版本不匹配造成的。而且它不仅仅是错误提示，GPU也不会运行的。
提示信息意思是：”这个mxnet是根据cuDNN lib 7300版本构建的，该版本比CI（7600）测试的最旧版本旧。“
所以懂了，MXNET是通过旧版本的CUDNN7.3系列构建的，而你的CUDNN版本太新了，所以你需要下载旧版本的CUDNN，这个比较好解决，下载旧版本的CUDNN，再把那几个文件复制到对应CUDA安装目录就好了，见安装步骤所述。
————————————————————————————————
鸽了好久没写东西，这段时间一直在忙考试。考试完该写论文了…这个假期必须要写一篇出来。跌跌撞撞两天才安装好了这套配置…版本匹配真的很重要，要不出的错误都不好找原因。个人建议按照这个版本配置来，亲测可用。
2402
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
