博主在尝试使用TensorFlow-GPU版时，经历了从CUDA10.0到CUDA9.0的版本选择，最终成功配置了CUDA9.0和cuDNN7.4.2。在安装过程中遇到了DLL加载失败的错误，通过检查环境变量和版本匹配解决了问题。文章详细记录了配置步骤，包括nvcc -V的验证方法，并提醒读者遇到numpy错误时不要忽视pip缓存问题。最后，展示了成功的设备映射和运算结果。
之前都是使用tensorflow的cpu版本，没注意自己这台老人机居然有GPU。便决定试一试看看自己电脑能不能跑起GPU。（各种百度谷歌）记录如下：
首先：检查自己的GPU是否可以使用：
CUDA:https://developer.nvidia.com/cuda-gpus
居然找到自己的GPU
..哈哈哈（意外）
接下来：需要安装CUDA + cuDNN。
刚开始无脑：使用CUDA10.0 +cuDNN 7 .4.2+tensorflow1.12发现报错如下（没截图）：
File "C:\Anaconda3\envs\tensorflow\lib\site-packages\tensorflow\python\pywrap_tensorflow_internal.py", line 24, in swig_import_helper
_mod = imp.load_module('_pywrap_tensorflow_internal', fp, pathname, description)
File
最低0.47元/天 解锁文章
扫一扫
2517
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
