Win10下Tensorflow-gpu使用cpu训练而不是gpu加速

问题1：明明安装好了tensorflow-gpu，但是运行代码时无法使用gpu加速

明明安装好了tensorflow-gpu，但是运行代码时无法使用gpu加速，运行tensorflow代码时cpu占满还是跑的很慢，同时tf.test.is_gpu_available()=false。在网上看了很多教程，有人说是tensorflow与tensorflow-gpu的版本不同问题，要求tensorflow-gpu版本比tensorflow版本高，同时要求电脑在装tensorflow之后装tensorflow-gpu。

因此我就尝试了很多次，发现都不成功，tf.test.is_gpu_available()=false一直都是这样。因为我一直用pytorch跑代码，pytorch可以用gpu加速但是tensorflow不可以，说明tensorflow配置可能有问题。

---

原因分析：

Tensorflow对CUDA和CuDNN的要求很严格，如果gpu用不了建议首先根据这个博主的博客对照一下tensorflow版本对应问题。
附上我觉得总结很好的博主的博客：https://blog.csdn.net/weixin_44560088/article/details/117457619?spm=1001.2014.3001.5502

例如：tensorflow_gpu-2.3.0必须要求python为3.5-3.8；CuDNN=7.6(7版本开头)；CUDA=10.1。

---

解决方案：

1.首先查看自己CUDA的版本

在Anaconda中输入nvcc -V查看自己的cuda版本，比如我的就是10.1版本，这样看最靠谱。
我之前是CUDA10.2版本，没有对应的tensorflow，因此尝试了很多次都不成功，所以我重新找了一个CUDA版本和CUDNN版本进行下载，在没有删除10.2的情况下又安装了一个10.1版本。

2.查看版本对应表选择一个自己的CUDA版本下的Tensorflow版本
3.在Anaconda Navigator中把原来的Tensorflow虚拟环境删除掉（右下角remove）

4.下载好CUDA10.1和CuDNN7.6.5的压缩包（这里一定要下CuDNN版本7开头的压缩包而不是8开头的，见问题2）
将CUDA10.1与原来的10.2版本的环境分开，比如10.2在C盘，为了不出什么问题，我把10.1安装在了D盘，首先在D盘组织好这样的架构D:\CUDA\NVIDIA corporation\CUDA Samples\v10.1和D:\CUDA\NVIDIA GPU Computing Toolkit\CUDA\v10.1，根据CUDA的默认C盘安装路径将安装路径修改到对应的D盘，方便后续查找文件。
将CuDNN解压缩后将文件复制到D:\CUDA\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin路径下替换掉对应的文件。

5.在Anaconda中创建对应的tensorflow虚拟环境(我给他起名字叫tf)

conda create -n  tf python=3.8

创建完毕后，使用pip安装tensorflow-gpu

pip install tensorflow-gpu==2.3.0

等待其安装成功后，就可以依次在Anaconda prompt中输入以下代码

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

如果看到True就表示成功了！

问题2：Could not load dynamic library ‘cudnn64_7.dll’

原因分析：

没有关注CuDNN的版本，我在第一次安装时直接下载了CuDNN 8开头的版本，导致在bin文件夹中找不到cudnn64_7.dll只能找到cudnn64_8.dll，这就是没有认真读题的原因！！！

解决方法：下载CuDNN 7开头的版本解压去bin文件粘贴替换即可

当你完成所有这些之后，重启你的编译器/终端，输入上述测试tensorflow-gpu能否使用的命令，就可以惊喜的发现！它成功了！接下来就可以用gpu快乐的跑代码了~

此处特别鸣谢我的师弟——阿刚！在他的帮助下我们一起完美解决了这个问题~