Python CUDA问题-如何清理并在Win 10中安装CUDA以解决cudaGetDevice（）失败

我以前在Win 10 64位家庭系统（针对1080Ti卡）上运行过CUDA 9.x，但需要更新到适用于TensorFlow 2的CUDA 10.0。我最初认为TF2对CUDA 10.1没问题，所以首先安装了10.1，后来才发现它一定是CUDA 10

无法让它工作

为了测试TF，我运行了这个来验证安装（Jupyter notebook通过Anaconda-新构建的TF2环境）

我在基本Python测试中遇到了这个错误

内部错误：cudaGetDevice（）失败。状态：未找到cudaGetErrorString符号

这意味着找不到密钥文件，但我无法找出根本原因——而且对该错误信息的点击率很低，没有一个对我有帮助

当前配置

已安装CUDA 10.0 Nvidia驱动程序436.48游戏就绪驱动程序

到目前为止的潜在问题和解决措施

显然，他们都没有固定的东西

旧的CUDA安装-9.0、9.1、10.0、10.1：除10.0卸载和PC重新启动外的所有安装；10.0安装程序，然后再次运行

更新cudnn文件：首先尝试使用原件，然后将cudnn文件v7.6.3.30复制到bin、include、lib（视情况而定）

从游戏就绪驱动程序切换到“Studio”驱动程序

检查所有环境变量-删除所有涉及CUDA的内容！=10.0

更新在system32中将nvcuda.dll重命名为.old，然后重新运行CUDA 10.0安装程序。。。没有生产新的nvcuda

更新2我在驱动程序存储中找到了nvcuda64.dll v 10.0.132，并用它替换了system32中的nvcuda.dll；重新启动后，nvidia smi现在报告根本没有CUDA版本：(

已知的怪事

---

[被更新2取代]nvidia-smi.exe报告CUDA 10.1（是的，它在我的Win 10上提供）-但是通过注册表检查，我找不到任何迹象表明CUDA 10.1仍然存在…更新在C:\Windows\System32中找到它

尽管卸载了，我的注册表中仍然有CudaXYZWizardsPackage，它位于Computer\HKEY\U USERS.DEFAULT\Software\Microsoft\VisualStudio\14.0\u Config\InstalledProducts下，XYZ=90、91、100、101-但我怀疑这是Python中TF的问题；）UpdateC:\Program Files（x86）中没有任何内容\Microsoft Visual Studio\2017\Community\Common7\IDE\Extensions\NVIDIA（10.0除外），所以只需孤立注册表项即可

其他信息

在完成所有卸载之前，我成功地在VS 2017中建立并运行英伟达的采样时钟项目，所以基本是OK（然后） 问题

我如何才能完全消除CUDA的所有痕迹，重新开始

我如何在将来诊断此类问题，以确定问题所在/该怎么办

能否更简单地解决这个问题

（新增）在哪里可以获取nvcuda.dll 10.0以在system32中替换？-答案一种可能来自C:\Windows\System32\DriverStore\FileRepository

下载并安装Anaconda（Python 3.7）：

在命令提示符中：

墙壁时间：18.9毫秒

壁时间：2.99毫秒

---

这主要是一个扩展评论，因为@diego要求更新

我现在安装了CUDA 10，英伟达控制面板报告NVCUDA.DLL为V1.0.132

我已经使用Visual Studio 2017在C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.0\1_Utilities\devicequery中的vs解决方案中构建了推荐的demo devicequery.exe（请注意，.exe最终位于C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.0\bin\win64\Debug中）

然后，程序从cmd提示符运行，并给出以下输出

devicequery正在启动

CUDA设备查询（运行时API）版本（CUDART静态链接）

检测到1个支持CUDA的设备

设备0：“GeForce GTX 1080 Ti”CUDA驱动程序版本/运行时 版本10.0/10.0 CUDA能力主要/次要版本 数量：6.1全局内存总量：11264 兆字节（11811160064字节）（28）多处理器，（128）CUDA Cores/MP:3584 CUDA Cores GPU最大时钟速率：
1607 MHz（1.61 GHz）内存时钟频率：
5505 Mhz内存总线宽度：352位L2 缓存大小：最大2883584字节 纹理尺寸大小（x，y，z）1D=（131072），2D=（131072， 65536），3D=（1638416384）最大分层1D纹理大小， （num）层1D=（32768），2048层最大分层2D纹理 大小，（num）层2D=（32768，32768），2048层的总数量 恒定内存：65536字节共享内存总量 每个块内存：49152字节寄存器总数 每个块可用：65536经纱尺寸：
每个多处理器最多32个线程：最多2048个 每个块的线程数：1024块的最大尺寸 螺纹块（x、y、z）：（1024、1024、64）网格的最大尺寸 大小（x，y，z）：（21474836476553565535）最大内存间距：
2147483647字节纹理对齐：512 字节并发复制和内核执行：有2个拷贝 内核上的引擎运行时间限制：是
集成GPU共享主机内存：不支持主机 页锁定内存映射：是的对齐要求 表面：是设备具有ECC支持：
禁用CUDA设备驱动程序模式（TCC或WDDM）：WDDM （Windows显示驱动程序型号）设备支持统一寻址 （UVA）：是设备支持计算抢占：否
支持协作内核启动：不支持 多设备

import tensforflow as tf
print(tf.reduce_sum(tf.random.normal([1000, 1000])))

conda update conda conda update python conda create --name tensorflow-gpu conda activate tensorflow-gpu conda install pip jupyter pip install tensorflow-gpu conda install cudatoolkit=10.0 -c pytorch import tensorflow as tf

%%time
with tf.device('/CPU:0'):
    a = tf.random.uniform([1000,1000])
    b = tf.random.uniform([1000,1000])
c = tf.matmul(a, b)

%%time
with tf.device('/GPU:0'):
    a = tf.random.uniform([1000,1000])
    b = tf.random.uniform([1000,1000])
c = tf.matmul(a, b)