Hi，大家好，我是编程小6，很荣幸遇见你，我把这些年在开发过程中遇到的问题或想法写出来，今天说一说
tensorflow和tensorflow-gpu区别_tensorflow检测不到gpu,希望能够帮助你!!!。

一、WIndows安装GPU版本tensorflow注意一下几个问题一般就不会出错

（1）确定自己要安装哪个版本的tensorflow-gpu；

（1）根据自己要装的tensorflow-gpu版本确定要下载的CUDA版本；

（2）根据要安装的CUDA版本确定要下载的Cudnn版本。

二、tensorflow-gpu版本与CUDA版本对应关系

不同版本的tensorflow-gpu与CUDA对应关系如下表所示（图片有点旧了，python版本是2.7和3.3-3.8）：

对于版本号大于1.13的tensorflow-gpu的1.x版本，如1.14、1.15，建议安装CUDA10.0，不要安装CUDA10.1，安装后会提示缺少很多库文件，而导致GPU版本的tensorflow无法使用，如下图所示：

如果是2.0以上的tensorflow，按下面列表安装（2023年1月更新, 现在TF2.X和CUDA版本的兼容性越来越好了，不同的TF2.X版本可以匹配多个CUDA版本,下表所示是本人验证过的，不是唯一匹配方案)

（TF2.11好像目前还没有GPU版本放出来—2023-1-1）

三、CUdnn与CUDA的对应关系

NVIDIA官网链接：https://developer.nvidia.com/rdp/cudnn-archive#a-collapse742-10
目前为止（2019年11月2日），最新的cuDNN版本号是7.6.3，7.5和7.6的cuDNN都支持CUDA10.1，7.4只能支持到CUDA10.0，一般如果安装的CUDA10.0的话，cuDNN7.4是可以的。

四、检验tensorflow-gpu安装成功

输入以下命令：

import tensorflow as tf a = tf.constant([1.0,2.0,3.0],shape = [3], name='a') b = tf.constant([1.0,2.0,3.0], shape = [3], name='b') c = a +b sess = tf.Session(config = tf.ConfigProto(log_device_placement =True)) print(sess.run(c)) 

若显示一下信息，说明安装成功。

如果按照以上方法安装后出现了以下错误：

ImportError: libcublas.so.10.0: cannot open shared object file: No such file or directory 

那么在终端输入以下命令：

sudo ldconfig /usr/local/cuda-10.0/lib64 

一般就能解决问题！

也可用一下方式临时检验：
对于2.0以前版本：

tf.test.is_gpu_available() 

2.1以后版本：

tf.config.list_physical_devices('GPU') 

今天的分享到此就结束了，感谢您的阅读，如果确实帮到您，您可以动动手指转发给其他人。