笔者在跑训练的时候，用的是tensorflow-gpu==2.6.0，经过查询资料，需要匹配11.2版本的CUDA。

注：

1. 查看本机已安装的CUDA版本的命令行指令：nvcc -V
2. 查看本机显卡最高支持的CUDA版本的命令行指令：nvidia-smi
   也可以直接打开nvidia控制面板→帮助→系统信息→组件，就可以看到了：
   
   
   可以看到笔者的显卡驱动是最高支持CUDA11.5版本，所以完全可以支持CUDA11.2

BUT❗️ 笔者电脑已经安装了10.2版本的CUDA，因此需要把现有版本的CUDA卸载，然后重新安装CUDA和CUDnn。

step1. 卸载CUDA

1. 打开控制面板→程序→程序卸载
2. 卸载与CUDA10.2版本相关的四个程序：
   NVIDIA CUDA Samples 10.2
NVIDIA CUDA Runtime 10.2
NVIDIA CUDA Documentation 10.2
nvidia cuda dEVELOPMENT 10.2

参考：windows下CUDA的卸载以及安装
注：笔者只参考了本文中的卸载部分。

step2. 安装CUDA和CUDnn

笔者安装的是CUDA11.2.0版本的CUDA，以及相应版本的CUDnn（官网上Windows系统且CUDA是11.x版本的只对应一个CUDnn，下载它就好啦）

参考：CUDA和CUDNN的安装（带有详细步骤）

注：安装完成后，用nvcc -V测试是否安装好时，一定要重启命令行！不要在安装之间就已经打开的命令行窗口输入命令，否则你会遇到nvcc不是内部操作的迷之错误中而自我怀疑。当你重新打开命令行，再次输入，就会发现，其实已经安装成功啦

📗Debug经验+1：重启可以解决很多奇怪的问题😆。

step3. Tensorflow-gpu安装

这个帖子中可以找到对应版本的TensorFlow：2021最新：TensorFlow各个GPU版本CUDA和cuDNN对应版本整理(最简洁)

由于笔者已经确定要用tensorflow-gpu==2.6.0，因此在对应的虚拟环境中安装：

pip install tensorflow-gpu==2.6.0 --default-timeout=100 -i https://pypi.tuna.tsinghua.edu.cn/simple
1

通过更换清华源，可以更快地下载，避免报错。

安装完成后，检查是否安装成功（即：检查TensorFlow是否可以用gpu了）

python
import tensorflow as tf
tf.config.list_physical_devices('GPU')
1
2
3

📗Debug经验之不要同时安装tensorflow（CPU版本）和tensorflow-gpu（GPU版本），否则，会出现各种错误。

安装完成，GPU可以用了，cmd中执行正常，but pycharm❓

💢pycharm，你怎么回事？

运行代码时，报错Could not load dynamic library ‘...dll‘，一连报一大串，属实难受哇，这个报错让笔者困扰了好久。你如果去搜索，几乎会看到的大部分解决思路无外乎两种：

• 错误思路一：缺啥补啥
  绝大部分帖子都在用缺啥补啥的思路告诉你怎么去下载丢失的包。

📝笔者的解答：

如果你属于：无法使用gpu，即CUDA和CUDnn没有安装成功，那应该参考笔者前面提到的步骤，去正规下载！
🙈
注意留意一下CUDnn的安装步骤，因为这一步涉及到替换CUDA的bin目录，而dll文件正保存在此地。

但是！如果你的CUDA和CUDnn已经安装好了，也分两种情况：

1. CUDA版本不匹配导致的报错：你安装的是CUDA10.X，而报错缺失的动态包是关于CUDA11.x的，那么你就应该卸载重装CUDA和CUDnn（可以参考上方写出的step1~3）。

   单纯靠缺啥补啥逃避卸载是没用的，伙计！因为笔者是过来人，尝试过这种蠢办法😢。

2. 如果CUDA版本没有问题，是完全不用去补.ddl文件的。

   你可以去安装好的CUDA的bin目录，看看是否这些包都已经存在。如果存在，说明你没错。

   如果你用cmd在命令行中可以正确使用gpu，那就说明你的操作没问题。这是pycharm自身的锅：它没有能够链接到CUDA的bin路径下

• 错误思路二：掩耳盗铃

  一些帖子教你如何通过设置指令，从而忽略警告。

📝笔者的解答：

笔者看来，这个警告等同于报错，因为它会影响程序能否正常执行）。
良好的正确的环境是成功之基！配置环境这部分重视起来了，代码就成功一半了！千万要好好配置！否则，你会遇到特别特别多奇怪的bug。

📝
翻阅大量资料，读到Anaconda虚拟环境下的PyCharm使用Tensorflow调用GPU出现dll文件缺失的问题和解决办法时，笔者看到了希望👍！这篇文章准确地说 （ma）出了笔者的心声，也为笔者指出了最终解除报错的方法。最终参考的也正是文中作者所参考的帖子：PyCharm DLL load failed的原因和对治方法。

例如：笔者根据自己电脑的情况，打开anaconda prompt→输入start+pycharm.exe所在路径：start C:\"Program Files"\"NVIDIA GPU Computing Toolkit"\CUDA\v11.2\bin\pycharm64.exe。再次打开就不会出现这个报错了。

---

晚安~