tensorflow的cuda+cudnn安装教程及其Could not load dynamic library ‘cudart64_100.dll’问题解决

cuda+cudnn安装教程转载

一、背景

项目需要使用tensorflow进行LSTM神经网络模型的训练，选择的tensorflow的版本为1.15.0（在1.15.0版本，想要使用gpu还得下载tensorflow-gpu 1.15.0），想用使用gpu加速，首先要检查自己的显卡型号，是否支持gpu，一般而言，NVIDA显卡都能gpu加速，还得看自己显卡型号最高支持什么版本的cuda，具体可以通过NVIDA控制面板查看，系统信息——组件——NVCUDA64.DLL，可知最高支持cuda11.4。

二、安装cuda

首先想使用tensorflow的gpu加速，要确保tensorflow与cuda与cudnn之间版本对应一致，具体对应表如下：

我所使用的是tensorflow 1.15.0 所以要选择cuda 10.0 大家可去官网自行下载，以防官网下载速度太慢，我把cuda10.0与其对应的cudnn分享在下面，要的可以自取：
链接：https://pan.baidu.com/s/140GG97NGPY7FA1g4asklrQ
提取码：hute

安装cuda时，第一次会让设置临时解压目录，第二次会让设置安装目录；
临时解压路径，建议默认即可，也可以自定义。安装结束后，临时解压文件夹会自动删除；
安装目录，建议默认即可；
注意：临时解压目录千万不要和cuda的安装路径设置成一样的，否则安装结束，会找不到安装目录的！！！
选择自定义安装
安装完成后，配置cuda的环境变量；
命令行中，测试是否安装成功；


安装完成，先查看系统变量，然后添加cuda的系统变量：

在path中继续添加环境变量

测试是否安装成功：
打开cmd命令行：输入 nvcc -V

如图显示cuda10.0安装成功

三、安装cudnn

解压文件夹，将解压后的文件夹下的文件拷贝到cuda安装目录下，与之相对应的文件夹下。

四、测试tensorflow的gpu是否可用

import  tensorflow as tf
print(tf.test.is_gpu_available())

返回True 则可用 ，Flase则不可用

过程中可能会提示你缺失动态库，从而显示flase

Could not load dynamic library ‘cudart64_100.dll’; dlerror: cudart64_100.dll not found

可以看出他找不到很多这种dll文件，出现这个情况有可能是因为：
（1）你所使用tensorflow与cuda的版本不对应造成的，出现这种情况的时候，解决方法有两种：
第一种：你需要重新卸载原来的cuda，下载正确的cuda。如何卸载：控制面板——程序卸载

红框所示全部卸载！

然后再把无效注册表信息删除即可，也就是删掉无效的环境变量
第二种：当然也可以不必重新卸载原来的cuda，找到这些动态文件所在的目录，基本都是在C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin下，将这些dll，修改成对应的文件名

如：你所需要的是cudart64_100.dll 就将原来的cudart64_101.dll修改成cudart64_100.dll ，但有一定的风险，在此还是推荐使用第一种方法
（2）另一种情况，你所下载的版本都是对应好的，C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin下的文件名也都正确，但还是找不到这些文件，具体原因不明。
解决方法：把这些在C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin所谓缺失的dll复制一份到 C:\Windows\System

成功解决问题

在此极力推荐：使用pytorch！ tensorflow 用起来好蛋疼！