Win10 Tensorflow-gpu 2.4.1 + CUDA 11.3 + cuDNN 8.2.1 环境配置踩巨坑三条

一、Not creating XLA devices, tf_xla_enable_xla_devices not set

原因：Tensorflow==gpu 2.4.1版本新特性

方法：这行警告可以忽略，因为2.4.1的版本release介绍：

XLA:CPU and XLA:GPU devices are no longer registered by default.Use

 TF_XLA_FLAGS=--tf_xla_enable_xla_devices  

if you really need them,but this flag will eventually be removed in subsequent releases.

二、Could not load dynamic library 'cusolver64_10.dll'; dlerror: cusolver64_10.dll not found.

原因：打开此电脑，在D:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\bin中（我是装在了D盘，默认是装在C盘相同位置），搜索cusolver64_10.dll，你会发现搜不到，我寻思着CUDA版本都11了，应该是cusolver64_11.dll才对，我于是又搜了一下，果真有这个文件。大哥，我都11了，不是10，你还要10，怎么可能还会有属于版本10里的cusolver64_10.dll呢？但是没办法啊，它就要这个名字，于是，我把这个cusolver64_11.dill文件重命名为cusolver64_10.dll，重新试了一遍，成功了。

方法：把搜到的cusolver64_11.dill文件重命名为cusolver64_10.dll

三、Could not load dynamic library'cudart64_110.dll'; dlerror: cudart64_110.dll not found.

这是我一开始遇到的问题，去到CUDA的bin目录中（同上）去搜索找到了，但是此时还是不能加载这个dill文件，此时我想到：

原因：环境变量问题（因为我之前下载过其他版本的CUDA，所以新的环境变量path里面并没有更新）

方法：需要手动修改，将D:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\bin以及D:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\libnvvp添加到系统变量里的path，上移到最上面，成功加载。如果有 没有找到cudart64_110.dll的问题，请看第二点，与之类似修改。

四、如何测试是否成功调用GPU?

方法：win+R，输入cmd，打开终端，切换到你的环境（我的是anaconda下的创建的环境：conda activate XX），输入python，输入import tensorflow as tf,输入tf.test.is_gpu_available()（或者tf.config.list_physical_devices('GPU')）,如果结果为True，则成功调用