tensorflow-gpu完整安装（附各种报错解决办法）

tensorflow-gpu安装及cuda和cudnn的安装遇到的坑及解决办法

  今天安装tensorflow-gpu，遇到了太多坑，花了整整一晚上才搞好，下面我将总结下tensorflow完整安装办法，以及途中会遇到哪些错误以及怎么解决，如果你也遇到这类问题，可以参考一下：

使用conda安装

  首先，我想说的是，千万不要用pip安装tensorflow-gpu，因为gpu版本需要很多依赖包，包括cuda、cudnn等，而且，就算你单独去下载这些，安装后还是会有很多配置问题导致有误，无法安装成功，所以直接用conda安装（这里留下了一行行泪水）。
  所以，首先，你得安装好anaconda，这个可以直接搜索anaconda官网下载，很快搞完。
  因为conda自带的安装源速度特别慢，所以如果你不设置镜像源下载几乎还是安装不了，中途会自动断开，这里我选择清华镜像源，首先打开anaconda prompt，依次输入以下四个指令：

添加镜像源：conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
添加镜像源：conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
设置搜索时显示通道地址：conda config --set show_channel_urls yes
显示镜像源设置情况：conda config --show channels

这里最后一行为显示镜像源设置情况，如果看到结果显示有上述链接表示设置成功。当然也有删除镜像源的指令如下：

删除镜像源：conda config --remove channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/

接着，又有一个非常需要注意的是，不要简单的使用：

conda install tensorflow-gpu

这行指令去安装，这样只会安装低版本tensorflow-gpu==1.14，但是我试了下安装最新版本，也就是用下面指令：

conda install tensorflow-gpu==2.1

会出现：

Collecting package metadata (current_repodata.json): done
Solving environment: failed with initial frozen solve. Retrying with flexible solve.
Solving environment: failed with repodata from current_repodata.json, will retry with next repodata source.
Collecting package metadata (repodata.json): done
Solving environment: /

后面就是各种examining ****各种东西，完全不知道在搞什么，所以上面两种做法都是不对的，正确做法是：在anaconda中创建一个新环境，可以用下面一行指令安装：

conda create -n tensorflow-gpu tensorflow-gpu

这一行指令就可以将tensorflow-gpu安装好，保存于新创建的名称为tensorflow-gpu虚拟环境下，这里面包括了需要的所有包，包括python和cuda、cudnn等，这个时候你也许会问，这样每次要用tensorflow都得更换运行环境是不是很麻烦，其实不麻烦，比如你使用vs code软件，你都可以选择python版本，这个时候你只需要选择你这个环境下的python就可以，说白了这个新创的tensorflow-gpu虚拟环境跟conda的默认base环境是等价的。
  通过上面一行指令，其实你就可以使用下面步骤检验一下是否安装成
1、打开anaconda navigator，选择environments中你自己创建的这个tensorflow-gpu环境，
点击那个小小三角形选择terminal，就进入了这个新创的环境中，这个时候直接使用：

python
import tensorflow as tf
tf.__version__

就可以查看安装情况了，这里需要注意的是，有时候虽然没有报错，但是可有可能是有问题的，因为这里如果发现gpu有问题，或者cuda有问题，他会默认改为tensorflow-cpu版本，所以如果弹出来很多奇怪的但不至于运行不了的错误，你重点要留意下，如果确实出现了这类问题，那就接着参考我接下来的遇到的一些问题及解决方法（可以直接跳到倒数第二节，看是否是这个问题）。

cuda安装

  cuda安装过程也有非常多的坑，首先，你需要去官网下载cuda最新版本，这个直接去官网下载即可，有点大，将近3个G，如果下载后直接安装，选择精简版或者自定义版都可以，那么恭喜你，大概率将有可能报下面错误：NVIDIA安装程序失败（图片来源：https://zhuanlan.zhihu.com/p/54680789）

这个时候我的解决办法是卸载已经有的显卡驱动，这里不用担心没了显卡驱动电脑就会显示不了，因为就算没了nvidia驱动，系统会自动安装一个默认驱动，所以不用担心，直接到设备管理器，显示设置找到显卡驱动程序，右键点击卸载驱动，然后回来重新安装cuda，一套下来，你会发现安装成功了。

cudnn安装

  这个安装其实就没什么问题，在官网上一套注册后直接下载，不大也就几百M，然后下载下来后解压，将解压后的三个文件分别放在上面安装好的cuda的相应文件夹里面（比如有bin、lib等文件夹），然后即完成了。

Could not find 'cudart64_100.dll’或者Could not find ‘cudart64_101.dll’

如果你还遇到这个问题，具体就是下面这个报错：

ImportError: Could not find 'cudart64_100.dll'. TensorFlow requires that this DLL be installed in a directory that is named in your %PATH% environment variable. Download and install CUDA 10.0 from this URL: https://developer.nvidia.com/cuda-90-download-archive

这是因为tensorflow版本和cuda版本不匹配导致的，有两种解决办法，一种当然是找跟你这个版本tensorflow-gpu匹配的cuda版本安装（这里我提示下，tensorflow-gpu=2.1版本需要的是cudart64_101.dll，而tensorflow-gpu=2.0版本需要的是cudart64_100.dll，所以上面说的报错就是分别代表你安装哪个版本，而cudav10.2bin文件夹内是cudart64_102.dll，低一点其它版本估计是cudart64_101.dll，再低一点版本估计就是cudart64_100.dll，具体哪个就不清楚了），另一种方法就更加简单，你只需要到cuda安装路径的bin文件夹下面找到cudart64_101.dll或者cudart64_102.dll，重命名为cudart64_100.dll或者cudart64_101.dll，这个时候，再运行，你就会发现问题解决了。

结语

  当然，上面如果还是没有解决，说明你可能不是用conda创建虚拟环境安装的tensorflow-gpu，所以建议再用我最开始讲的那行指令安装即可，相信到这里大家因该没什么问题了。如果还有问题，欢迎留言评论区，只要我看到我定会马上回复，帮助大家及时安装好tensorflow-gpu的！——————祝大家顺利安装好tensorflow-gpu！！！！