目录

概述

一、tensorflow版本与CUDA、cuDNN版本不匹配

安装对应CUDA、cuDNN

查看自己的显卡支持的CUDA版本

英伟达官网下载对应CUDA版本，需要登录英伟达账号

无法识别显卡解决方法：(65条消息) 安装CUDA时不识别显卡，提示This graphics driver could not find compatible graphics hardware_无效cuda的显卡_christinayo的博客-CSDN博客

 然后下载开头所说的cuDNN对应版本

验证CUDA安装

验证tensorflow是否可正常调用

 二、可正常调用tensorflow训练，但没有调用GPU

---

概述

         最近在跑神经网络，搭建环境时遇到了关于tensorflow-gpu安装了但却无法调用gpu（gpu利用率为0）的问题，在训练时导致CPU爆满，而GPU利用率为0。在此总结一下

一、tensorflow版本与CUDA、cuDNN版本不匹配

        这个问题对于小白是最容易犯的问题，在确定自己的tensorflow版本之后需要安装对应的CUDA、cuDNN、python版本

安装对应CUDA、cuDNN

查看自己的显卡支持的CUDA版本

打开英伟达控制面板-帮助-系统信息-组件 查看自己支持的CUDA最高版本，下图支持的最高版本为CUDA12.1

英伟达官网下载对应CUDA版本，需要登录英伟达账号

下载链接：CUDA Toolkit Archive | NVIDIA Developer

左边选择自己对应的CUDA版本下载安装，这里如果下载CUDA9或者CUDA8等较老的版本的话可能显卡驱动会不支持，在安装时会提示无法识别显卡（This graphics driver could not find compatible graphics hardware）或者提示显卡驱动不支持该版本CUDA最好换一个适合自己显卡的CUDA版本

无法识别显卡解决方法：(65条消息) 安装CUDA时不识别显卡，提示This graphics driver could not find compatible graphics hardware_无效cuda的显卡_christinayo的博客-CSDN博客

 然后下载开头所说的cuDNN对应版本

下载链接：cuDNN Archive | NVIDIA Developer

 下载好之后解压，将解压之后的文件复制到（CUDA默认安装路径）

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\

路径下，将重名文件覆盖。

验证CUDA安装

打开命令控制（Win+R输入cmd回车）

输入

nvcc -V

图中为CUDA9.0 。至此，CUDA和cuDNN安装完成

验证tensorflow是否可正常调用

在环境中安装对应的tensorflow-gpu版本（不需要安装cpu版本）

在python命令行中输入

import tensorflow as tf

若没有报错即为tensorflow-gpu和CUDA版本可正常对应，若在此报错即重新检查tensorflow版本与CUDA版本是否对应、CUDA是否正确安装

 二、Could not load dynamic library ‘cudart64_xx.dll’

可正常调用tensorflow训练，但没有调用GPU

警告：Could not load dynamic library ‘cudart64_xx.dll’； dlerror: cudart64_xx.dll not found

在这个网站中搜索对应的文件进行下载免费下载缺失的 DLL 文件 | DLL‑files.com (dll-files.com)

下载好之后将文件复制到C:\Windows\System32路径下