前言
本文只是作者安装后的一个小总结，文章中的每个链接都是我看过的一些解决方案链接，所以本文不会有具体的解决方案，只会提供相应的解决方案和解决问题的链接。环境问题各不相同，没有统一的解决方案，文章有弊端，请改正请勿喷洒。
[En]
This article is only a small summary of the author after the installation, and each link in the article is some solution links that I have read, so the article will not have specific solutions, but will only provide the corresponding solutions and links to solve the problems. environmental problems are different, there is no unified solution, the article has disadvantages, please correct do not spray.
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
注意：一定要看清对应的版本，否则会失败。
[En]
Note: be sure to see the corresponding version clearly, otherwise it will be a failure.
安装
- 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
- 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 - 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
- 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
- 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
- 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
- tensorflow_GPU和cuda、cudnn的版本对不上
- 无法调用gpu的问题
Original: https://blog.csdn.net/weixin_51963604/article/details/123656847
Author: 陌~晓
Title: 安装tensorflow_gpu的各种问题–总结
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/509240/
转载文章受原作者版权保护。转载请注明原作者出处！