说起安装tensorflow-gpu的时候出现的一些坑就有点郁闷写个博客记录一下这一些坑，也算给后人一点解决方法
Question Ⅰ
第一种出现在import tensorflow as tf 的时候，看截图!
这玩样我一开始安装的时候看别人的教程里貌似也有这问题，就没管它，以为没事情，后来最后的最后，我才发现是我想多了，这玩样解决方法其实很简单也很暴力，不就是没找到cudart64_101.dll这个文件嘛，直接搜索，然后找到你电脑里的cudart64_101.dll，一般在这个目录下C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.1in会有这样的一个文件，然后Ctrl-C，进入C:WindowsSystem32目录，来个Cril-V，over，解决！再来一次你就会发现，哎，他好了
Question Ⅱ
接下来就是那万恶的GPU问题了
测试的时候输入 tf.test.is_gpu_available()，然后出现
得嘞，一大堆东西，前面一个waring不用管，出现这个警告的原因是TF2里面这行语句改了，不用管，他自动帮你转换了，直接看最后一行，好家伙，False，毫无疑问，没连上GPU啊
噢，插句题外话，有些教程里会让你输入
tf.Session()来测试，然后你会发现，他会出现这样的一个报错
这是因为这句话是tensorflow1.*的一个语法，在tensorflow2.*把这句话改成了tf.compat.v1.Session(),输入这个以后就会显示对应的信息了
这里有几种可能，我主要讲一下我遇到的，其他的我也就给个其他博主的链接了，毕竟没遇到嘛
CUDA、cuDNN、tensorflow版本不一致
对应版本的话，可以看这位博主整理的，还是目前比较的全的https://blog.csdn.net/K1052176873/article/details/114526086
当然也可以直接上官网https://tensorflow.google.cn/install/source_windows?hl=en#gpu
这个问题其实我很久以前遇到的，那时候我在装Pytorch，那次以后我就把这玩样全部配好了，这次出现的也不是这个问题，我这里就给出我当时的几种解决思路。
- 第一种是看看这三个版本对不对应，如果不对应的话可能就需要重新安装一下cuda，主要是CUDA版本，貌似cuDNN版本高一点没啥太大关系，我电脑上的cuDNN也是8.0的而不是表里的7.4。这个的话我就不给链接了，百度一搜太多了，基本上都是讲这个问题的，我也没有看哪个比较的好，所以就自行搜一下吧。
- 第二种也是我当初遇到的问题，显卡驱动版本过低了，我当初可是被这个坑的不轻，我一直在找CUDA的问题，最终确实驱动的锅。这种的话，你可以下载一个
GeForce Experience，官网：https://www.nvidia.cn/geforce/drivers/，它会自动给你更新驱动，不过这东西它需要登录，首次登录要验证邮箱，验证邮件发过来呢又非常的慢，甚至出现一个周才到也是有可能的（别怀疑，我真的遇到过），so，可以选择手动下载安装驱动，在官网里也有，选择对应的信息就好了 - 第三种是PATH内配置的的问题，在PATH里有两条是需要手动配的，如下，如果没有配的话，也是有可能出现这个问题的
Could not load dynamic library 'cudnn64_7.dll'; dlerror: cudnn64_7.dll not found
yes，各位看到的是一条报错信息，就是这条报错导致我输出False，我当时最后发现这玩样然后改完后有点想口吐芬芳，就说啊，其他框架可以调用GPU，咋就你TF不行。这段报错出现在 tf.test.is_gpu_available()的输出里，可以仔细悄悄，如果有的话，那解决方法......前面说了复制粘贴的事情，请看Question I
当我改完这个以后，它就....True了？？？？
没安装GPU版本
这个问题，enmm......，也不是不可能出现，如果装的是CPU版本的话，那肯定是调用不了GPU的，乖乖卸了重装吧
验证方法的话，进入tensorflow环境，python下运行下面这些代码
from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())
看看输出（图片来自于https://blog.csdn.net/qq_37902216/article/details/89556068）
这种的话是CPU版本
如果是GPU版本的话，应该会有这样的一段
（因为这个是我写这篇博客时候想到的，那时候我已经解决那个False问题了，但应该在输出里也会有明显的GPU字样，或者反向思维，不是CPU版本那肯定就是GPU版本了）
卸载
pip uninstall tensorflow
安装
pip install tensorflow-gpu==版本号
然后重新验证一下
主要应该就这些了，如果还有其他的其实可以看一看那一大段输出，或许在里面就会找到答案，我其他的也没遇到过，也不好在此谈论，希望这篇博客对大家能有所帮助。
如有错误，欢迎指正！
同时发布在CSDN：https://blog.csdn.net/tangkcc/article/details/120510152