Tensorflow】：could not load dynamic library ‘libcudart.so.11.0‘；dlerror:libcudart.so.11.0的解决方法

一、问题描述

import tensorflow报错如下图
测试：
tf.test.is_built_with_cuda()显示True
tf.test.is_gpu_available() 显示False

二、尝试解决之掩耳盗铃

以为是没装cuda，或者是libcudart的路径不对，在多次修改bashrc文件，添加路径失败之后，尝试了一个掩耳盗铃的指令，没有报错。

import os
os.environ['TF_CPP_MIN_LOG_LEVEL']='2'
import tensorflow as tf

用以下指令测试仍显示False，但因为弄这个问题花了一天多，太累了。import tensorflow没保存，而且我没跑程序，就加个屏蔽指令凑合着用吧。

print(tf.test.is_gpu_available() )

三、分析

报错原因：突然开窍，tensorflow could’nt load 'libcudart.so.11.0’是因为tensorflow找不到它要的cuda版本，而不是因为我cuda的路径没设置对，版本不匹配，怎么添加服务器路径都不对。于是开始查相应版本。

<1>

#查看实验室服务器的驱动版本和匹配的cuda版本
nvidia-smi

<2>

#查看虚拟环境上已安装的tensorflow版本
pip list 
>>>tensorflow==2.6.0，tensorflow-gpu==2.2.0

#查看服务器上安装的cuda版本
cat  /usr/local/cuda/version.txt
或 nvcc --version
>>>CUDA version==10.1.243

#查看服务器上安装的CUDNN版本
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
>>>cuDNN_MAJOR 7
>>>CUDNN_MINOR 6
>>>CUDNN_PATCHLEVEL 5

<3>查看tensorflow和tensorflow-gpu与cuda的版本对应关系，
可以得出tensorflow版本过高了，tensorflow应该匹配cuda11.多，但服务器是10.1的，所以找不到它要找的依赖库。

四、解决

1、在bashrc里面正确添加服务器cuda路径（网上一般都有）

#添加cuda路径
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-10.1/lib64
export PATH=$PATH:/usr/local/cuda-10.1/bin
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda-10.1

2、
CUDA10.1 +CUDNN 7 + tensorflow-gpu2.2.0 +python3.6
创建虚拟环境，指定版本

conda create -n tf22 python=3.6

pip install tensorflow-gpu==2.2.0