tensorflow GPU版本安装及报错

1. tf1-gpu安装

注意

参考地址：https://www.e-learn.cn/content/qita/609443
注意不要同时运行多个python解释器，一定要把cpu版本的tf和之前安装的tensorflow卸载干净，确保conda list和pip list中没有cpu版本的tensorflow，最好把tensorboard等也卸载。
安装完成后，conda list查看一下，cudatoolkit=9.0 ，cudnn =7.6.5 ，tensorflow-gpu=1.12.0.
如果下面几个步骤的操作，很可能会提示无法找到dll，或无法加载tf的运行环境，或者缺少cuda。
不同版本的tf需要不同的cuda，我电脑上装了cuda92，而tf-gpu-12需要cuda90，,使用下面的步骤能解决cuda的冲突。最好不要动自己电脑上的cuda，不然可能丢失nvidia控制面板。

步骤

0、 conda create -n tf_gpu_120 python=3.6创建环境

1、activate tf_gpu_120 ,激活环境，安装开始前 先使用conda upgrade --all 升级所有的包

**2、**使用Python -m pip install --upgrade pip 或者conda upgrade pip升级pip工具，这一步很关键，pip会更新到19+的版本，旧版的pip可能无法自动安装cudnn等python库，影响后续安装。

(下一步conda install tensorflow-gpu=1.12.0时， 会去安装python中的cuda9.0工具等
，这些工具不是英伟达那个几个G的cuda，是python为了便于tf再不同的机器上运行而开发的python库）

3、 使用conda install tensorflow-gpu=1.12.0 安装
（这里能够自动安装cudnn和toolkit，但是import的时候可能会有一个protobuf可能需要手动更新，请pip install protobuf==3.11.2如果出现出现无法链接到libssl-1_1-x64.dll的情况，请查看Anaconda\DLLS目录下和Anaconda\Library\bin下的libssl-1_1-x64.dll 最后修改日期，你会发现两个不一致 解决方法是用旧的一个替换新的，替换之前先备份一下，问题解决。）

4、 测试

import tensorflow as tf
version = tf.__version__
gpu_ok = tf.test.is_gpu_available()
print("tf version:",version,"\nuse GPU",gpu_ok)

输出版本12和true。

2.tf2-gpu安装

注意

参考地址：https://blog.csdn.net/xiaosongshine/article/details/101844926
安装tf-2.0.0-cpu比较简单，安装过程会出现很多新的包的安装，有些慢。
tensorflow卸载干净，确保conda list和pip list中没有cpu版本的tensorflow，最好把tensorboard等也卸载。
安装完成后，conda list查看一下，cudatoolkit=10.0.130，cudnn =6.0，cudnn的版本反而比tf1-gpu中的cudnn版本低。

步骤

1、conda create -n TF_2G python=3.6创建环境，conda upgrade pip`升级pip工具，旧版的pip可能无法自动安装cudnn等python库，影响后续安装。

2、conda activate TF_2G 激活环境
（然后在设备管理器里更新一下显卡的驱动程序(设备管理器-显示设备-显卡-属性-驱动程序-更新，安装完成并成功运行GPU计算代码后，gtx 1060显卡的驱动是25.21.14.1735，支持tf-2。0.0-gpu和tf-1.12.0-gpu，如果更新后有不兼容的现象，可以在同一个界面里回滚)。

3、conda install cudatoolkit=10.0 cudnn 安装cudnn和toolkit。

4、pip install tensorflow-gpu==2.0.0 -i https://pypi.tuna.tsinghua.edu.cn/simple，安装tf-2.0.0-gpu
（如果说有几个安包不了，先pip更新PyHamcrest、setuptools，再用conda 卸载、重装wrapt，之后再去安装tf）

5、现在conda list一下，cudatoolkit 是10.0.130 ，cudnn是6.0 ，tensorflow-gpu是2.0.0 ，测试：

import tensorflow as tf
version = tf.__version__
gpu_ok = tf.test.is_gpu_available()
print("tf version:",version,"\nuse GPU",gpu_ok)

输出版本2.0.0和true。