安装tensorflow_gpu的各种问题--总结

前言

本文只是作者在安装完后的一些小总结，文中的各个链接均是我看过的一些解答链接，所以文章不会有具体的解答，只是提供相对应的解决思路和解决问题的链接，环境的问题各不相同，没有统一的解决方案，文章有不好之处，麻烦指正勿喷。

环境

1.安装前要明白自己的显卡是不是独显，来决定下载是否下载GPU版还是CPU版
2.你电脑，安装的python版本，不同的python版本对应不同的tensorflow版本，详细可见这个链接
3.tensorflow_GPU版需下载对应的cuda版本和cudnn版本，详细可见这个链接
注：务必看清对应的版本，否则就是失败

安装

1. 这里推荐虚拟环境安装，建议是下载anaconda，利用conda的创建虚拟环境，配置相应的包，这样方便你以后切换版本（如何创建虚拟环境，安装python, tensorflow等，可以看某度，我这里放了个链接）这里写得很详细
2. 要安装GPU版的，经常在这里卡住， 根据我上面放的官网的对应表，下载相对应的版本，举例
   我下载的python是3.6.5，我安装了tensortflow_GPU2.0版的，那我下载的cuda版本应该是cuda10.0，cudnn版本是cudnn7.4或者cudnn7.6，因为我的显卡是MX150可以兼容，这里大家也要根据自己的显卡下载合适的tensorflow版本
3. 下载完cuda10.0后，一路安装，建议看百度，很纤细的安装过程，然后解压cudnn，将其中的文件放到cuda的安装路径里的相对应文件夹下。

测试

1. 你在测试tensorflow是否可用时，如果有报failed call to cuInit: CUDA_ERROR_NO_DEVICE: no CUDA-capable device is detected这个错误，那么很遗憾，你的cuda版本和cudnn版本下错了
2. 如果你很顺利的看到Successfully opened dynamic library cudart64_100.dll，那么恭喜已经完成tensorflow的安装了
3. 虽然你顺利的通过了前面的测试，但是你的GPU不一定可用，你可以运行

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

如果运行结果为True,那么你可以开心的去跑代码了，如果为false,那你需要检查下你的独显是不是有开了，这里推荐这个教程

总结

基本上我遇到的问题就是

1. tensorflow_GPU和cuda、cudnn的版本对不上
2. 无法调用gpu的问题