- 写在前面
- 正文开始
- step1. 卸载`CUDA`
- step2. 安装`CUDA`和`CUDnn`
- step3. Tensorflow-gpu安装
- 安装完成，GPU可以用了，cmd中执行正常，but pycharm:question:
- （1）报错分析
- （2）报错解决
As we all know，配置深度学习环境时，CUDA、CUDnn、tensorflow、pytorch等涉及到版本匹配问题。如果不匹配，就会出现各种报错。
通常在匹配版本时有两种思路：
- 根据本机的CUDA和CUDnn匹配合适版本的TensorFlow、pytorch
- 根据要用到的TensorFlow、pytorch匹配合适版本的CUDA和CUDnn。
-
大多数情况下我们会按照思路1去进行环境配置（毕竟装CUDA和CUDnn不容易啊）。
-
但有的时候，当我们复现代码时，代码是用特定版本的TensorFlow、pytorch写的，如果我们安装的TensorFlow、pytorch版本不对，可能要涉及到大改代码。而由于某些代码API实在差太多，不同版本的TensorFlow没法做“平替”（没法改），那就只能采取思路2去配置环境了。
本文中，笔者就属于思路2。介绍了笔者在跑训练的时候，由于要用tensorflow-gpu==2.6.0，经过查询资料，需要匹配11.2版本的CUDA。所以介绍了CUDA和CUDnn的卸载重装方法。
正文开始
注：
- 查看本机已安装的CUDA版本的命令行指令：nvcc -V
- 查看本机显卡最高支持的CUDA版本的命令行指令：nvidia-smi
也可以直接打开nvidia控制面板→帮助→系统信息→组件，就可以看到了：
可以看到笔者的显卡驱动是最高支持CUDA11.5版本，所以完全可以支持CUDA11.2
BUT❗️ 笔者电脑已经安装了10.2版本的CUDA，因此需要把现有版本的CUDA卸载，然后重新安装CUDA和CUDnn。
step1. 卸载CUDA- 打开控制面板→程序→程序卸载
- 卸载与CUDA10.2版本相关的四个程序：
NVIDIA CUDA Samples 10.2
NVIDIA CUDA Runtime 10.2
NVIDIA CUDA Documentation 10.2
nvidia cuda dEVELOPMENT 10.2
step2. 安装CUDA和CUDnn参考：windows下CUDA的卸载以及安装
注：笔者只参考了本文中的卸载部分。
笔者安装的是CUDA11.2.0版本的CUDA，以及相应版本的CUDnn（官网上Windows系统且CUDA是11.x版本的只对应一个CUDnn，下载它就好啦）
参考：CUDA和CUDNN的安装（带有详细步骤）
注：安装完成后，用nvcc -V测试是否安装好时，一定要重启命令行！一定要重启命令行！一定要重启命令行！
-
不要在“安装之前就已经打开的命令行窗口”中输入命令，否则你会遇到nvcc不是内部操作的迷之错误中而自我怀疑。
-
当你重新打开命令行，再次输入，就会发现，其实已经安装成功啦！
Debug经验+1：重启可以解决很多奇怪的问题。
这个帖子中可以找到对应版本的TensorFlow：2021最新：TensorFlow各个GPU版本CUDA和cuDNN对应版本整理(最简洁)
由于笔者已经确定要用tensorflow-gpu==2.6.0，因此在对应的虚拟环境中安装：
pip install tensorflow-gpu==2.6.0 --default-timeout=100 -i https://pypi.tuna.tsinghua.edu.cn/simple
通过更换清华源，可以更快地下载，避免报错。
安装完成后，检查是否安装成功（即：检查TensorFlow是否可以用gpu了）
python
import tensorflow as tf
tf.config.list_physical_devices('GPU')
Debug经验：不要同时安装tensorflow（CPU版本）和tensorflow-gpu（GPU版本），否则，会出现各种错误。
安装完成，GPU可以用了，cmd中执行正常，but pycharm❓ （1）报错分析pycharm，你怎么回事？
运行代码时，报错Could not load dynamic library ‘...dll‘，一连报一大串，属实难受哇，这个报错让笔者困扰了好久。你如果去搜索，几乎会看到的大部分解决思路无外乎两种：
- 错误思路一：缺啥补啥
绝大部分帖子都在用缺啥补啥的思路告诉你怎么去下载丢失的包。
笔者的解答：
如果你属于：无法使用gpu，即CUDA和CUDnn没有安装成功，那应该参考笔者前面提到的步骤，去好好下载并安装CUDA和CUDnn！（I know the installation process will be difficult!）
注意：在CUDnn的安装步骤中，涉及到替换CUDA的bin目录，而我们需要的各种dll文件就是在这一步被安装的。
但是！如果你的CUDA和CUDnn已经安装好了，也分两种情况：
-
CUDA版本不匹配导致的报错：你安装的是CUDA10.X，而报错缺失的动态包是关于CUDA11.x的，意思是：你安装的是CUDA10.x版本，而该代码要求的环境是CUDA11.X。那么你就应该卸载重装CUDA和CUDnn（可以参考上方写出的step1~3）。
单纯靠缺啥补啥逃避卸载是没用的，伙计！因为笔者是过来人，尝试过这种蠢办法。
-
如果CUDA版本没有问题，是完全不用去补.ddl文件的。
你可以去安装好的CUDA的bin目录，看看是否这些包都已经存在。如果存在，说明你没错。
如果你用cmd在命令行中可以正确使用gpu，那就说明你的操作没问题。这是pycharm自身的锅：它没有能够链接到CUDA的bin路径下
-
错误思路二：掩耳盗铃
一些帖子教你如何通过设置指令，从而忽略警告。
笔者的解答：
笔者看来，这个警告等同于报错，因为它会影响程序能否正常执行）。所以不要尝试去忽略警告，这么做治标不治本，依旧会存在各种错误。
（2）报错解决良好的正确的环境是成功之基！配置环境这部分重视起来了，代码就成功一半了！千万要好好配置！否则，你会遇到特别特别多奇怪的bug。
翻阅大量资料，读到Anaconda虚拟环境下的PyCharm使用Tensorflow调用GPU出现dll文件缺失的问题和解决办法时，笔者看到了希望！这篇文章准确地说 （ma）出了笔者的心声，也为笔者指出了最终解除报错的方法。最终参考的也正是文中作者所参考的帖子：PyCharm DLL load failed的原因和对治方法。
例如：笔者根据自己电脑的情况，打开anaconda prompt→输入start+pycharm.exe所在路径：start C:"Program Files""NVIDIA GPU Computing Toolkit"CUDAv11.2binpycharm64.exe。再次打开就不会出现这个报错了。
晚安~
