Python tensorflow过渡到gpu版本

我使用tensorflow已经有一段时间了，在我尝试切换到gpu版本之前，一切都正常工作

卸载以前的tensorflow， pip安装的tensorflow gpu（v2.0） 下载并安装visual studio community 2019 已下载并安装CUDA 10.1 下载并安装cuDNN

使用CUDA样本“deviceQuery_vs2019”进行测试，结果为阳性。 测试通过 英伟达GeForce rtx 2070

使用以前的工作文件运行测试并获取错误 tensorflow.python.framework.errors\u impl.InternalError:cudaGetDevice（）失败。状态：未找到cudaGetErrorString符号

经过一些研究，我发现支持的CUDA版本是10.0 所以我降低了版本，更改了CUDA路径，但没有任何更改

使用此代码

import tensorflow as tf
print("Num GPUs Available: ", 
len(tf.config.experimental.list_physical_devices('GPU')))

我明白了

2019-10-01 16:55:03.317232: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library nvcuda.dll
2019-10-01 16:55:03.420537: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1618] Found device 0 with properties: 
Num GPUs Available:  1
name: GeForce RTX 2070 major: 7 minor: 5 memoryClockRate(GHz): 1.62
pciBusID: 0000:01:00.0
2019-10-01 16:55:03.421029: I tensorflow/stream_executor/platform/default/dlopen_checker_stub.cc:25] GPU libraries are statically linked, skip dlopen check.
2019-10-01 16:55:03.421849: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1746] Adding visible gpu devices: 0
[Finished in 2.01s]

CUDA似乎能识别卡，tensorflow也能识别，但我无法消除错误： tensorflow.python.framework.errors\u impl.InternalError:cudaGetDevice（）失败。状态：未找到cudaGetErrorString符号

---

我做错了什么？我应该坚持使用cuda 10.0吗？我是否错过了安装的一部分？

解决了，这主要是为了避免冲突而对版本进行的炼金术。 以下是我所做的（据我所知，订单很重要）

卸载所有内容（tf、cuda、visual studio）

pip安装tensorflow gpu

下载并安装visual studio community 2017（2019年不起作用）

<>我还安装了VisualStudio中的C++工作负载（不确定是否有必要，但它有编译器Visual C++ 15 .x）

下载并安装cuda 10.0（我的版本是10.0.130）

转到系统环境变量（在windows栏中搜索）>高级>单击环境变量

创建新的用户变量（不要与系统变量混淆）

变量名称：CUDA_路径

变量值：浏览到cuda目录下的版本目录（我的是C:\Program Files\NVIDIA GPU Computing Toolkit\cuda\v10.0）

指南上说你需要CUDNN7.4.1，但我得到一个错误，预期的最低版本是7.6。转到英伟达开发者CUDNN存档，下载“CUDNN V7.06 CUDA 10”（确保您得到正确的文件）。解压后，将cudnn文件放入相应的cuda目录（lib、include、bin）

从那以后，一切都很顺利。我还不能从VisualStudio（devicequery）中构建cuda示例文件，但这并不是关键步骤。 几乎所有的错误都是由于文件版本不兼容造成的，我花了3-4天的时间才找到正确的组合。希望获得帮助：）

tensorflow gpu v2.0.0是，并且非常易于安装：

conda安装-c anaconda tensorflow gpu

。不需要额外的下载或cuda安装。

我也遇到过类似的问题。 再加上我使用的是Windows8和pycharm。但我最终还是通过使用

有效的组合：

• Cuda 10
• 适用于windows7的CuDNN 7.6
• Tensorflow gpu 2.0
• 然后使用如上所述的path环境变量

重要的是在设置环境变量后重新启动；）

---

我不认为tensorflow 2.2。无法使用cuda 11…

暗示需要cuda 10.0，我在其他地方（github？）看到了使用10.0而不是10.1的说明。不幸的是，我有10.0，我有完全相同的错误，所以我也会对一个有用的解释性答案感兴趣。你救了我的命。我花了整整一天的时间来完成这项工作，但没有成功。我不明白的是为什么tensorflow 2.0甚至需要更低的cuda和cudnn版本来运行。我的另一台电脑使用tensorflow 1.14和cuda 10.1。但是2.0需要cuda 10.0。不知道为什么！但是谢谢你@m4l4如果我们使用水蟒，它可以很容易地解决？