Aby zainstalować wymagania wstępne dla obsługi GPU w TensorFlow 2.1:

1. Zainstaluj najnowsze sterowniki GPU.
2. Install CUDA 10.1 .
   • jeśli Instalator CUDA zgłasza "instalujesz starszą wersję sterownika" , możesz wybrać instalację niestandardową i odznaczyć niektóre komponenty. Rzeczywiście, należy pamiętać, że oprogramowanie w pakiecie z CUDA, w tym GeForce Experience, PhysX, sterownik wyświetlacza i integracja z Visual Studio nie są wymagane przez TensorFlow.
   • zauważ również, że TensorFlow wymaga określonej wersji zestawu narzędzi CUDA, chyba że zbudujesz go ze źródła; dla TensorFlow 2.1 i 2.2 jest to obecnie Wersja 10.1.
3. Zainstaluj cuDNN.
   1. Pobierz cuDNN v7. 6. 4 dla CUDA 10.1. Wymaga to zarejestrowania się w programie NVIDIA Developer Program.
   2. Rozpakuj w odpowiednie miejsce i Dodaj katalog bin do ścieżki.
4. Install TensorFlow by pip install tensorflow.
5. ty Może być konieczne ponowne uruchomienie komputera.

TensorFlow 2.3.0 działa dobrze z CUDA 11. Ale musisz zainstalować TF-nightly-gpu (po zainstalowaniu tensorflow i CUDA 11): https://pypi.org/project/tf-nightly-gpu/

Spróbuj:

pip install tf-nightly-gpu

Następnie otrzymasz wiadomość w konsoli:

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

Rozwiązałem to inaczej. Przede wszystkim zainstalowałem cuda 10.1 toolkit z tego link

Gdzie wybrałem Typ instalatora (exe (lokalny)) i zainstalowałem 10.1 w trybie niestandardowym oznacza (bez integracji visual studio, NVIDIA PhysX ponieważ wcześniej zainstalowałem CUDA 10.2 więc wymagane zależności były instalowane automatycznie)

Po instalacji, z następującej ścieżki (C:\Program Files\NVIDIA GPU Computing Toolkit \ CUDA \ v10.1 \ bin) , w moim przypadku skopiowałem cudart64_101plik dll i wklejony w (C:\Program Files\NVIDIA GPU Computing Toolkit \ CUDA \ v10. 2 \ bin).

Następnie importowanie Tensorflow działało płynnie.

N. B. Sorry for Bad English

W środowisku conda to właśnie rozwiązało mój problem (brakowało mi cudart64-100.dll:

1. Pobrano go z dll-files.com/CUDART64_100.DLL

2. Umieścić go w moim środowisku conda w C:\Users\<user>\Anaconda3\envs\<env name>\Library\bin

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

W moim przypadku instalacja tensorflow szukała cudart64_101.dll

Część 101 cudart64_101 to wersja Cuda-tutaj 101 = 10.1

Ściągnąłem 11.x, czyli wersja cudart64 na moim systemie to cudart64_110.dll

To nie ten plik!! cudart64_101dll ≠ cudart64_110.dll

Rozwiązanie

Pobierz Cuda 10.1 z https://developer.nvidia.com/

Install (moja awaria z integracją Nsight Visual Studio, więc wyłączyłem to)

Po zakończeniu instalacji powinieneś mieć folder Cuda 10.1, a w koszu dll system narzekał na brak

Sprawdź, czy ścieżka do folderu bin 10.1 jest zarejestrowana jako zmienna środowiskowa systemu, więc będzie sprawdzana podczas ładowania biblioteka

Może być konieczne ponowne uruchomienie, jeśli ścieżka nie zostanie od razu odebrana przez system

Tensorflow 2.1 współpracuje z Cuda 10.1.

Jeśli chcesz szybki hack:

• wystarczy pobrać cudart64_101.dll z tutaj . Rozpakuj plik zip i skopiuj cudart64_101.dll do katalogu CUDA bin

Else:

• Install Cuda 10.1

To rozwiązanie zadziałało dla mnie:

Preinstalowałem environnement za pomocą anakondy (tutaj jest kod)

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

Ale po tym jak miałem jeszcze te ostrzeżenia

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

Jak rozwiązałem pierwsze ostrzeżenie : Po prostu ściągam plik zip, który zawierał wszystkie pliki cudnn (dll, etc) tutaj: https://developer.nvidia.com/cudnn

Jak rozwiązałem drugie Ostrzeżenie : Szukałem ostatniego brakującego pliku (cudart64_101.dll) w moim wirtualnym env stworzonym przez condę i po prostu skopiuj/wklej go w tym samym folderze lib niż dla .dll cudnn

Zainstalowałem cudatoolkit 11 i skopiowałem dll C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\bin do C:\Windows\System32. Naprawiono dla PyCharm ale nie dla anakondy jupyter:

[name: "/ device:CPU: 0"device_type:" CPU " memory_limit: 268435456 miejscowość {}: 6812190123916921346, nazwa: "/ urządzenie: GPU:0" device_type: "GPU" memory_limit: 13429637120 location { bus_id: 1
linki {}}: 18025633343883307728_device_desc: "urządzenie: 0, Nazwa: Quadro P5000, identyfikator magistrali pci: 0000: 02: 00.0, Oblicz zdolność: 6.1" ]

Ta odpowiedź może być pomocna, jeśli widzisz powyższy błąd, ale w rzeczywistości masz zainstalowaną CUDA 10:

pip install tensorflow-gpu==2.0.0

Wyjście:

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

TensorFlow gpu 2.2 i 2.3 nightly

(along CUDA Toolkit 11.0 RC)

Aby rozwiązać ten sam problem co OP, musiałem tylko znaleźć cudart64_101.dll na moim dysku (w moim przypadku C:\Program pliki\NVIDIA Corporation\NvStreamSrv) i dodać go jako środowisko zmienne (czyli wartość dodana C:\Program Files\NVIDIA \ Corporation\nvstreamsrv) cudart64_101.dll do zmiennej środowiskowej użytkownika Path ).

Udało się naprawić problem, aktualizując sterowniki urządzeń NVIDIA do najnowszej wersji (v446.14). Pobierz sterowniki NVIDIA link tutaj .

Prostszym sposobem byłoby utworzenie linku o nazwie cudart64_101.dll, aby wskazać cudart64_102.dll. Nie jest to zbyt ortodoksyjne, ale ponieważ TensorFlow szuka cudart64_101.dll eksportowanych symboli, a ludzie z Nvidii nie są amatorami, najprawdopodobniej nie usuną symboli ze 101 do 102. Działa w oparciu o to założenie(przebieg może się różnić).

Jeśli używasz Windows:

A. Pobrano brakujące pliki dll z https://www.dll-files.com/

B. Kopiuj Wklej w C:\Windows\System32

Kod wybierze pliki z c:\windows\system32 która zawsze pozostaje na drodze.