小开

最佳答案

张量流2.1 +

发生什么事了？

对于新的 Tensorflow 2.1版本，默认的 tensorflow pip 包包含 TF 的 CPU 和 GPU 版本。在以前的 TF 版本中，如果找不到 CUDA 库，就会发生错误并引发异常，而现在的库会动态搜索正确的 CUDA 版本，如果找不到，就会发出警告(开头的 W代表警告，错误有一个 E(或者 F代表致命错误) ，然后回到 CPU-only 模式。事实上，这也是在警告之后作为信息消息写入日志的(请注意，如果您的最小日志级别比默认值更高，则可能不会看到信息消息)。完整的日志是(强调我的) :

2020-01-2012:27:44.554767: W tensorflow/stream _ Execator/Platform/default/dso _ loader. cc: 55]无法加载动态库‘ cutart64 _ 101.dll’; dlerror: cadart64 _ 101.dll 未找到

2020-01-2012:27:44.554964: I tensorflow/stream _ Executive/cuda/cutart _ stub. cc: 29] 如果你的机器上没有设置图形处理器，忽略上面的错误。2020-01-2012:27:44.554964: I tensorflow/stream _ Executive/cuda/cadart _ stub. cc: 29] 如果你的机器上没有设置图形处理器，忽略上面的错误。

我该担心吗，我该怎么补救？

如果你的机器上没有支持 CUDA 的图形处理器，或者你不在乎没有 GPU 加速，不用担心。另一方面，如果你安装了张量流和 GPU 加速，检查你的 CUDA 安装(TF 2.1需要 CUDA 10.1，没有10.2或10.0)。

如果您只是想摆脱警告，您可以使用调整 TF 的日志记录级别来禁止警告，但这可能有些过分，因为它将使所有警告无效。

Tensorflow 1.X 或2.0:

您的 CUDA 安装程序已中断，请确保您安装了正确的版本。

小开

要在 TensorFlow 2.1中安装 GPU 支持的先决条件:

安装最新的 GPU 驱动程序。
安装 CUDA 10.1。
- 如果 CUDA 安装程序报告“您正在安装一个较旧的驱动程序版本”，您可能希望选择一个自定义安装并取消选择一些组件。实际上，需要注意的是，TensorFlow 并不需要与 CUDA 绑定的软件，包括 GeForce 体验、 PhysX、显示驱动程序和 Visual Studio 集成。
- 还要注意的是，TensorFlow 需要一个特定版本的 CUDA 工具包，除非你从源代码构建; 对于 TensorFlow 2.1和2.2，这是目前的版本10.1。
安装 cuDNN。
1. 为 CUDA 10.1下载 cuDNN v7.6.4。这将需要您注册 NVIDIA 开发程序。
2. 将压缩文件解压到合适的位置，并将 bin 目录添加到 PATH 中。
通过 pip install tensorflow安装张量流。
你可能需要重新启动您的电脑。

小开

我用另一种方法解决了这个问题。首先，我从这个链接安装了 Cuda 10.1工具包。

在哪里我选择安装类型: Exe (本地)(为窗口)和安装10.1在自定义模式(没有视觉工作室集成，NVIDIA PhysX，因为以前我安装 CUDA 10.2，所以所需的依赖性是自动安装)

安装后，从以下路径 (C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin) 在我的例子中，我复制了 cudart64_101.dll文件并粘贴了 (C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\bin).

然后进口 Tensorflow 工作顺利。

小开

这个解决方案为我工作:

我用 anaconda 预先安装了环境(这里是代码)

conda create -n YOURENVNAME python=3.6 // 3.6> incompatible with keras
conda activate YOURENVNAME
conda install tensorflow-gpu
conda install -c anaconda keras
conda install -c anaconda scikit-learn
conda install matplotlib

但在我还有这些警告之后

2020-02-23 13:31:44.910213: W tensorflow/stream_executor/platform/default/dso_loader.cc:55] Could not load dynamic library 'cudart64_101.dll'; dlerror: cudart64_101.dll not found


2020-02-23 13:31:44.925815: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library cublas64_10.dll


2020-02-23 13:31:44.941384: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library cufft64_10.dll


2020-02-23 13:31:44.947427: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library curand64_10.dll


2020-02-23 13:31:44.965893: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library cusolver64_10.dll


2020-02-23 13:31:44.982990: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library cusparse64_10.dll


2020-02-23 13:31:44.990036: W tensorflow/stream_executor/platform/default/dso_loader.cc:55] Could not load dynamic library 'cudnn64_7.dll'; dlerror: cudnn64_7.dll not found

我是如何解决第一个警告的: 我刚刚下载了一个 zip 文件，里面包含了所有的 cudnn 文件(dll，etc) : < a href = “ https://developer.nvidia.com/cudnn”rel = “ nofollow norefrer”> https://developer.nvidia.com/cudnn

我是如何解决第二个警告的: 我在 conda 创建的虚拟 env 中查看了最后一个丢失的文件(cadart64 _ 101.dll) ，我只是将它复制/粘贴到相同的 lib 文件夹中。我叫 Cudnn

小开

一种更简单的方法是创建一个名为 cudart64_101.dll的链接来指向 cudart64_102.dll。这不是非常正统，但因为 TensorFlow 正在寻找 cudart64_101.dll输出的符号和 nvidia 的人不是业余的，他们很可能不会删除符号从101到102。基于这个假设(里程可能有所不同) ，它是可行的。

小开

Tensorflow 2.1适用于 Cuda 10.1。

如果你想快速入侵:

只需从给你下载 cudart64_101.dll。解压缩文件并将 cudart64_101.dll复制到您的 CUDA bin目录

其他:

安装 Cuda 10.1

小开

在 conda环境中，这解决了我的问题(我错过了 cudart64-100.dll:

从 Dll-files.com/cudart64_100.dll
把它放在我的公寓环境里 C:\Users\<user>\Anaconda3\envs\<env name>\Library\bin

就这么简单! 你可以再检查一下是否有用:

import tensorflow as tf
tf.config.experimental.list_physical_devices('GPU')

小开

张量流 gpu 2.2和2.3每晚

(沿 CUDA 工具包11.0 RC)

为了解决与 OP 相同的问题，我只需要在磁盘上找到 Cudart64 _ 101. dll(在我的例子中是 C: 程序文件英伟达为 nvStreamsrv)并将其作为变量环境添加(即将值 C: Program Files NVIDIA Corporation NvStreamSrv) cutart64 _ 101. dll添加到用户的环境变量路径)。

小开

能够通过更新 NVIDIA 设备驱动程序到最新版本(v446.14)来解决这个问题。 NVIDIA 驱动程序下载这里有链接。

小开

TensorFlow 2.3.0在 CUDA 11中工作得很好，但是你必须安装 tf-night-gpu (在你安装了 tensorFlow 和 CUDA 11之后) : Https://pypi.org/project/tf-nightly-gpu/

试试:

pip install tf-nightly-gpu

然后你会在你的控制台得到这个消息:

I tensorflow/stream_executor/platform/default/dso_loader.cc:48] Successfully opened dynamic library cudart64_110.dll

小开

如果你看到上面的错误，这个答案可能会有帮助，但是实际上你已经安装了 CUDA 10:

pip install tensorflow-gpu==2.0.0

产出:

I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library cudart64_100.dll

这就是我的解决办法。

小开

在我的例子中，张量流的安装正在寻找 cudart64 _ 101.dll

Cudart 64 _ 101的101部分是 Cuda 版本——这里101 = 10.1

我已经下载了11.x，所以我系统上的 cudart64的版本是 cudart64 _ 110. dll

这是错误的文件

解决方案

从 https://developer.nvidia.com/下载 Cuda 10.1

安装(我的程序在 NSight Visual Studio 集成时崩溃，所以我关闭了它)

当安装完成后，你应该有一个 Cuda 10.1文件夹，并在垃圾桶的 dll 系统抱怨丢失

检查到10.1 bin 文件夹的路径是否注册为系统环境变量，因此在加载库时将检查该路径

如果路径没有被系统直接拾取，您可能需要重新启动

小开

我安装了 Cudatoolkit 11和 copy dll C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\bin呼叫 C:\Windows\System32。它修复了 PyCharm，但没有修复蟒蛇木星:

[ name: “/device: CPU: 0”device _ type: “ CPU”memory _ limit: 268435456 Locality {}化身: 6812190123916921346，名称: “/device: GPU: 0” Device _ type: “ GPU”memory _ limit: 13429637120 locality { bus _ id: 1
Link {}化身: 18025633343883307728 body _ device _ desc: ”设备: 0，名称: Quadro P5000，pci 总线 id: 0000.02:00.0，计算能力: 6.1”]

小开

下载 CUDA Toolkit 11.0 RC

为了解决这个问题, 我刚在我的磁盘上找到了 Cudart64 _ 101.dll (C: Program Files 英伟达为 nvStreamsrv) ，并将其作为可变环境添加为用户的环境变量路径(cudart64 _ 101.dll)。

小开

我遇到了这个问题时，混合 pip 和 conda 得到张量流2.3安装。(在 conda 的 tensorflow 2.3的安装被破坏时，我使用 pip 安装了 tensorflow 2.3 b/c。)

我最终安装了不正确的 Cudatoolkit 和 Cudnn 版本。

为了解决这个问题，我简单地用特定版本的 cudatoolkit 和 cuda 做了 conda install。

在 https://www.tensorflow.org/install/source_windows?force_isolation=true#tested_build_configurations中可以找到张量流、 Cudatoolkit 和 Cuda 版本的信息，这些应该一起工作。

小开

这可能是由于您正在运行的 python 版本造成的，我在使用来自微软商店的 python 3.7时遇到了这个错误，切换到 python 3.10修复了它。

小开

这只是一个无法找到 CUDA 库的 Warning 和 I信息消息。

如果您使用的是 NVIDIA 图形处理器，您可以参考如何安装丢失的文件。

如果你不使用 NVIDIA 图形处理器，或者只是想忽略 I和 W消息，你可以在代码的开头添加以下两行:

import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'

你可以在张量流测井上看到更多关于 TF_CPP_MIN_LOG_LEVEL的信息。

小开

我有这个错误在这里与张量板，它发生后，我更新的 GPU 驱动程序问题是，我从 cmd 运行张量板，我没有安装任何 CUDA，因为我使用蟒蛇如果你没有在安装 TensorFlow 的地方使用 anaconda env，你将会错过这些文件

解决方案

* Just open tensoboard from anaconda

1-或者直接下载最后一个 Cuda 工具包并将其添加到路径

Https://developer.nvidia.com/cuda-toolkit-archive

用这个 2-conda install -c anaconda cudatoolkit

然后重新启动你的电脑

小开

我也面临过类似的问题，并意识到这个问题是与 CUDA 和 CUDNN 版本不匹配。

可以参考给你获得正确的版本。从以下关于 TensorFlow 2.4.0的参考资料推荐使用 CUDA 11.0和 cuDNN 8.0。

或者你可以参考给你下载 cuDNN 适合 CUDA。

无法在仅用于 CPU 的 tensorflow 安装上加载动态库‘ cudart64_101.dll’

张量流2.1 +

发生什么事了？

我该担心吗，我该怎么补救？

Tensorflow 1.X 或2.0:

张量流 gpu 2.2和2.3每晚

解决方案

解决方案

* Just open tensoboard from anaconda

1-或者直接下载最后一个 Cuda 工具包并将其添加到路径