【已解决】Error：Could not load dynamic library ‘cusolver64_10.dll‘； dlerror...

在用 tensorflow + keras 训练模型时，启用 GPU 失败。
**发生错误的原因：**加载动态库失败。其背后的根本原因可能是 tensorflow 和 cuda版本不匹配。

解决思路

1. 首先查看安装的 tensorflow 版本和电脑已装的 Cuda、Cudnn 版本是否匹配；
2. 若匹配，则直接看解决方法；若不匹配，则重新下载和 Cuda、Cudnn 版本匹配的 tensorflow。

Cuda和tensorflow对应关系

查看网址：

Linux 和 MacOS 对应关系
Windows 对应关系

---

如何查看自己的Cuda和Cudnn版本

查看 Cuda 版本

1. win+R 打开 cmd
2. 输入 nvidia-smi 即可查看 Cuda 版本，如下所示：

查看Cudnn版本

1. 进入目录 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\include 。
2. 找到 cudnn.h 的头文件，可以选择用文本编辑器打开，会看到如下定义：

#define CUDNN_MAJOR 8
#define CUDNN_MINOR 0
#define CUDNN_PATCHLEVEL 5

---

解决方法

   如果你的 tensorflow 版本安装与 Cuda 和 Cudnn 不匹配，则应当卸载现有 tensorflow 后重装 tensorflow，安装合适的版本。
   如果你的 tensorflow 版本安装正确，可是还是不能正确启用 GPU，可以先查看报错，找到具体缺少哪一个动态库，然后在自己的动态库中找到类似的库改名后再放入文件夹中。具体操作如下，仅供参考：

1. 找到安装的 Cuda 下的 bin 目录，例如：
   C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin。
2. 在该目录下找到和缺少的.dll文件类似的文件。例如，我缺少的是'cusolver64_10.dll'，而我的 bin 文件夹里存在的是cusolver64_11.dll。
3. 复制cusolver64_11.dll到桌面，将其重命名为cusolver64_10.dll 。
4. 最后，将cusolver64_10.dll 移动到 bin 目录下。

---

   至此，可以成功启用 GPU。