前情提要

最近换了新电脑，显卡是4060，就觉得跑深度学习没什么问题，结果tensoflow配置好后用不了GPU加速，让我头疼了很久。因为现在tensorflow新版已经取消了gpu和cpu版本的区别，所以网上关于统合版tensorflow (>2.0)的教程很少，一般都是tensorflow_gpu版本。今天终于解决了，如果有遇到以下问题的同学们可以参考一下：

测试代码

用来测试自己能否使用GPU

import tensorflow as tf
print(tf.test.is_built_with_cuda())
print("Num GPUs Available: ", len(tf.config.list_physical_devices('GPU')))

下面的代码可以报错，让你知道问题在哪，推荐先使用下面这段代码：

import tensorflow as tf
gpus = tf.config.experimental.list_physical_devices(device_type='GPU')
cpus = tf.config.experimental.list_physical_devices(device_type='CPU')
print(gpus, cpus)

问题列表

1. 找不到GPU/可用GPU数量为0

首先是显卡驱动，CUDA toolkit ，cuDNN工具的安装，需要按照自己的CUDA版本和显卡配置去安装，首先检查这三个，并设置好环境变量PATH。

在英文版的tensorflow官网主页有一条额外的注释：

Caution: TensorFlow 2.10 was the last TensorFlow release that supported GPU on native-Windows.Starting with TensorFlow 2.11, you will need to install TensorFlow in WSL2 or install tensorflow-cpu and , optionally, try the TensorFlow-DirectML-Plugin

省流：本地windows目前只支持2.10.0及以下版本！！（如果要使用GPU的话）

所以只要uninstall你的tensorflow并且下载这个版本就行啦

pip install tensorflow==2.10.0

2. 在更换版本后（可能会出现tensorflow_intel和其他包冲突，本人目前暂未遇到问题），报错缺少dll文件

Could not load dynamic library ‘cudart64_101.dll’; dlerror: cudart64_101.dll not found

上面的dll文件名可能有所不同，可能是curpase什么的，先在你的cuda toolkit文件夹的bin中搜索该dll的前半部分。

例如我缺少curpase64_11.dll 我搜索该文件夹下curpase64发现有curpase64_12.dll文件，则将这个文件复制并将12改成11.

若搜索发现没有同前缀文件，就去万能dll网站下载

到此本人的问题解决

磕磕绊绊

• 在一开始我觉得是我第一点出错了，就卸载了conda等等，因为出现更新conda自身时有charset包无限报错等等
• 后面转去谷歌的colab云平台跑代码了，有梯子还挺快的
• 安装tensorflow建议不要用conda命令安装，除非按照conda官方的步骤（可能会挺好用也不好说），使用pip
• tensorflow用来实现机器学习算法很方便，tensorflow+keras实现简单深度学习模型也很简单，有机会可以出个实现简单分类问题的文章。

参考

[1]https://blog.csdn.net/qq_38563206/article/details/121106374
[2]https://blog.csdn.net/bragen/article/details/129131278