关于安装tensorflow-cpu/tensorflow-gpu出现的问题及解决方案

关于安装tensorflow-cpu/tensorflow-gpu出现的问题及解决方案

安装前的准备：
1.首先确认自己的显卡驱动版本是不是最新版，如果不是最新版，则需要去英伟达官网下载与自己显卡驱动版本对应的cudatoolkit版本，并且查看自己的显卡内存是否大于等于4G,如果小于4G，建议直接安装tensorflow-CPU版本
在这里我建议直接去英伟达官网下载最新版的显卡驱动，这样在安装tensorflow-gpu版本时，就可以非常顺利的完成一系列安装步骤
2. 在安装好tensorflow-gpu后，我们可以通过命令行或者pycharm验证tensorflow-gpu是否安装成功，命令为：import tensorflow as tf tf.test_is_gpu_available()
运行命令，下方如果出现true,则证明安装成功。
2.1 安装成功后，如果在运行程序时出现 Could not load dynamic library cudnn64_7.dll，出现Could not load dynamic library“cublas64_10.dll、cufft64_10.dll、cudnn64_7.dll…”等问题文件，这时需要我们自己手动下载丢失的这些文件包，并将这些包放入C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin目录中
这些文件的下载地址可以从我的云盘中下载：
链接：https://pan.baidu.com/s/1acN12wTWaJ2d0GJsOeSXmA
提取码：e1r2
3.当运行代码时，所有文件都已经加载成功后，最后出现如下错误：
Non-OK-status: Gpulaunch(FillPhiloxRandomKernelLaunch, num_blocks, block_size, 0, d.stream(), gen, data, size, dist) no kernel image is available for execution on the device
这时观察代码返回值，会发现返回的不是0，是一个地址，此时这个错误是因为显卡的内存太小导致内存泄漏引起的，这个时候你就得卸载掉tensorflow-gpu版本，重新安装tensorflow-CPU版本，