安装Tensorflow-gpu1.11.0过程中遇到的问题，记录一下

Anaconda3+虚拟环境Python3.6+Tensorflow-gpu1.11.0】

系统：win11
显卡：NVIDIA GeForce RTX 3050
python：3.6.2
CUDA：9.0
cuDNN：7.6.5
tensorflow：tensorflow-gpu 1.11.0

我之前安装过tensorflow，再安装tensorflow-gpu 1.11.0，安装成功了，但用不了，找不到解决办法，删除该虚拟环境，重新安装

更新：
安装成功，但跑不了代码【吐血】


打开cmd：

参考：

虚拟环境：python3.6

conda create -n py36 python=3.6
conda install cudatoolkit=11.2
conda install cudnn=8.1
pip install tensorflow_gpu==2.6.0

执行pip install tensorflow_gpu==2.6.0报错

解决方法：
python -m pip install --upgrade pip
pip install tensorflow_gpu==2.6.0

测试代码：使用pycharm测试代码
终于！心累啊

Python虚拟环境创建
1.查看当前存在哪些环境

conda env list

创建虚拟环境

conda create -n your_env_name python=X.X（2.7、3.6等）

删除虚拟环境及所有包

conda remove -n your_env_name --all

激活/关闭虚拟环境

换源（为了加快下载速度）：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/

我之前已经添加过了

tensorflow和cuda版本对应参考该安装教程：Tensorflow-gpu安装超详细！

conda install cudatoolkit=9.0

conda install cudnn=7

pip install tensorflow-gpu==1.11.0

解决方法：

python -m pip install --upgrade pip

更新完之后，再利用命令pip install tensorflow==1.11.0来安装
等待下载完毕后，如下图所示
现在测试可用不可用：
输入python进入python环境，然后输入

import tensorflow as tf：

tf.test.is_gpu_available()

显示True，表示安装成功！

测试代码2：

import tensorflow as tf
a = tf.constant(1.)
b = tf.constant(2.)
sess = tf.Session()
print(sess.run(a + b))

终于成功！

之前安装遇到过的问题:

解决方法：ImportError: DLL load failed 高效解决方法
在这个过程中又遇到dumpbin.exe敲回车闪退的问题，解决方法如下：dumpbin.exe 敲回车闪退解决办法

对于所有找不到的ddl，进入C:\Users\y1739\anaconda3\pkgs\cudatoolkit-9.2-0\Library\bin（这是我的路径，仅供参考），找到相关dll，将复制cublas64_92.dll等需要的ddl到桌面，改名字为上述找不到指定模块的名称(例如，cublas64_90.dll)，改后后，粘贴到C:\Users\y1739\anaconda3\envs\ev36\Library\bin

再进入Python环境里，输入import tensorflow as tf，出现了如下警告：

解决方法：解决python调用TensorFlow时出现FutureWarning: Passing (type, 1) or ‘1type’ as a synonym of type is deprecate

再次输入import tensorflow as tf，警告消失，继续输入，
然后进入Pycharm测试，gpu是否可用

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

测试代码2：

import tensorflow as tf
a = tf.constant(1.)
b = tf.constant(2.)
sess = tf.Session()
print(sess.run(a * b))

没有运行结果，找不到解决方法，重新安装了一遍

感谢前辈们的教程，感恩！