Could not load dynamic library ‘cudart64_101.dll’; dlerror: cudart64_101.dll not found
点击下载动态库
解压后放在C:\Windows\System32
TypeError: Descriptors cannot not be created directly.
If this call came from a _pb2.py file, your generated code is out of date and must be regenerated with protoc >= 3.19.0.
If you cannot immediately regenerate your protos, some other possible workarounds are:
先去卸载protobuf:
pip uninstall protobuf
然后重新安装3.19.0:
pip install protobuf==3.19.0
到了这一步基本上就完成了tensorflow-gpu的安装,先恭喜一波~~~
先到
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v你的版本\bin
中找到cusolver64_11.dll,cusparse64_11.dll,cudnn64_8.dll这几个缺失的动态库
2.复制到桌面,修改成cusolver64_10.dll,cusparse64_10.dll,cudnn64_7.dll
3. 将修改后的文件复制到刚才的bin目录中。
在pycharm中测试是否安装成功:
import tensorflow as tf
gpus = tf.config.list_physical_devices('gpu')
print(gpus)
print(123)
如果出现下方成功提示,说明安装完成。
No module named ‘tensorflow_addons’
ImportError: cannot import name ‘keras_tensor‘ from ‘tensorflow.python.keras.engine‘
两个都是同样的方法
先尝试安装
pip install tensorflow_addons
不成功然后按照下图按照对应的版本
在运行tensorflow的时候,运行环境是cudnn的7.5.1,编译时用的是cudnn的7.6.5。
在anaconda安装目录中找到对应的cudnn版本,然后替换掉cuda安装时的cudnn版本。
1,在anaconda目录的pkgs目录中找到cudnn版本
2,进入该目录下的Library,打开里面的文件夹,可以看到对应的cudnn库
等会将bin目录下的cudnn64_7.dll,include目录下的cudnn.h,lib\x64目录下的cudnn.lib放到cuda对应的目录下。
3,找到cuda的安装目录,如我的是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1
4, **为了以防万一,可以先将要覆盖的文件保存一下。**将刚才anaconda中找到的cudnn库放到对应的cuda目录下。