tensorflow-gpu安装的常见问题及解决方案

2023-08-02 18:54:04 187

装tensorflow-gpu的时候经常遇到问题，自己装过几次，经常遇到相同或者类似的问题，所以打算记录一下，也希望对其他人有所帮助

基本信息

tensorflow-gpu
pip安装（virtualenv等虚拟安装实质也是pip安装，只是建了个独立的环境，不会影响系统环境，查问题比较容易，最多重新再创建一个干净的环境再来）

安装完之后会用importtensorflow看是否安装成功，结果报错，主要有碰到下面两大类报错信息：

1.ImportError:DLLloadfailed:找不到指定的模块之pywrap_tensorflow.py

报错信息里面有大量的pywrap_xxx相关的脚本报错：

Traceback(mostrecentcalllast):
File"E:\study\machinelearning\ENV\lib\site-packages\tensorflow\python\pywrap_tensorflow.py",line58,in
fromtensorflow.python.pywrap_tensorflow_internalimport*
File"E:\study\machinelearning\ENV\lib\site-packages\tensorflow\python\pywrap_tensorflow_internal.py",line28,in
_pywrap_tensorflow_internal=swig_import_helper()
File"E:\study\machinelearning\ENV\lib\site-packages\tensorflow\python\pywrap_tensorflow_internal.py",line24,inswig_import_helper
_mod=imp.load_module('_pywrap_tensorflow_internal',fp,pathname,description)
File"E:\study\machinelearning\ENV\lib\imp.py",line242,inload_module
returnload_dynamic(name,filename,file)
File"E:\study\machinelearning\ENV\lib\imp.py",line342,inload_dynamic
return_load(spec)
ImportError:DLLloadfailed:找不到指定的模块。

这类错误出现的最多，主要有几大类原因：

（1）MicrosoftVisualC++2015RedistributableUpdate3没有装

这个是自己第一次装的时候碰到的，下载vc_redist.x64.exe安装之后就ok了

再生波澜

自己今天再装的时候，下载下来发现安装不了，看日志是说我的vs版本比较新，所以不能装。这个时候可以可以看看自己本机的system32下面有没有MSVCP140.DLL这个文件

其他解决方案

有些网友说用的比较新的tensorflow，装了2017的Redistributable包就好了，你也可以试试

我再装完2017的包之后，并且检查自己系统中已经有了MSVCP140.DLL文件依旧报同样的错误

（2）cuda和cudnn版本不一致

这个问题也是非常多的，我装了很多次的cuda基本上没有安装失败过，但是遇到和cudnn版本不一致的情况。因为下载的cuda默认是最新版本的cuda10.0，而我下载的cudnn当时用的旧的，也就是给cuda9.0的，所以后面换了一下也就解决问题了

cuda下载

我这里默认点完自己系统的配置（win10x64）得到的是最新的cuda10-win10，可以点击最右边的LegacyReleases看到更早一点的版本

cuda安装和验证

一路next貌似没遇到过啥问题

验证的话：在命令行下面输入nvcc-V，看是否OK

另外sample下面的两个是deviceQuery.exe和bandwidthTest.exe执行都没有出现问题过

cudnn下载

要登录nvidiadeveloper账号

点开最下面的ArchivedcuDNNReleases可以看到更多的版本，因为我下载的是cuda-9.0，稳妥起见，我下载的cudnn版本是：DownloadcuDNNv7.0.5(Dec5,2017),forCUDA9.0

按照道理来讲这里的DownloadcuDNNv7.5.0(Feb21,2019),forCUDA9.0应该也可以，下次验证再确认一下。

cudnn安装

在下载的页面可以打开Installation-Guide看一下windows的cudnn安装指南，主要有以下操作

（1）把解压缩的cudnn下面的bin、lib和include三个文件夹下面的文件拷贝到cuda安装的目录下面同名的目录下面

cuda路径：C:\ProgramFiles\NVIDIAGPUComputingToolkit\CUDA\v9.0

（2）把CUDA路径添加到环境变量的CUDA_PATH中

cuda本书在安装的时候会把cuda的安装路径添加的环境变量的path中（注意：是在path的最前面，不容易看到），所以不必自己把cuda的路径添加到path中

这里自己是把解压后的cudnn放到d盘，比如：D\cuda，然后把D:\cuda\bin放到了path中，因为网上有些人是这样建议的。但是看cudn的安装指南并没有提及到，所以感觉应该不需要

很遗憾的是，今天保证这里版本一直之后，还是依旧报==

（3）tensorflow-gpu版本不一致

安装tensorflow-gpu的时候一般都是用的默认指令：

pipinstall--upgradetensorflow-gpu

结果是会把tensorflow-gpu的最新版本装上，我的版本情况如下：

（1）python：3.6.0（2）cuda-9.0（3）cudnn-7.0（4）tensorflow-gpu-1.13.0

最新的cuda是10.0了，但是我装的是9.0，所以我把tensorflow-gpu装到1.12.0，然后完美解决问题了。_

pipuninstall
tensorflow-gpu==1.13.0
pipinstalltensorflow-gpu==1.12.0

这里说明tensorflow-gpu1.13.0估计是用了最新的cuda版本中的内容，也算是版本不一致了。

如果跟我一样，上面的问题都解决了，那就看看是不是这里版本太新或者太旧了。这里有个插曲，因为我开始不小心把1.12.0输成了1.2.0，结果还是不行，没注意结果纯粹浪费了一段时间。

（4）其他python库版本问题等

网上有些人还遇到numpy等python库版本等的问题，我倒是没遇到，因为安装tensorflw-gpu的时候会把相关的依赖包都给下载下来

2.TensorFlowpipinstallationissue:cannotimportname'descriptor'之graph_pb2.py

报错信息如下有graph_xxx相关的脚本报错：

Traceback(mostrecentcalllast):
File"",line1,in
File"F:\study\machinelearning\ENV\lib\site-packages\tensorflow\__init__.py",line24,in
fromtensorflow.pythonimportpywrap_tensorflow#pylint:disable=unused-import
File"F:\study\machinelearning\ENV\lib\site-packages\tensorflow\python\__init__.py",line59,in
fromtensorflow.core.framework.graph_pb2import*
File"F:\study\machinelearning\ENV\lib\site-packages\tensorflow\core\framework\graph_pb2.py",line6,in
fromgoogle.protobufimportdescriptoras_descriptor
File"F:\study\machinelearning\ENV\lib\site-packages\google\protobuf\descriptor.py",line47,in
fromgoogle.protobuf.pyextimport_message
ImportError:DLLloadfailed:找不到指定的程序。

这个我碰到过两次，都是protobuf的版本高了的缘故，网上搜到的也是这个原因，把protobuf的版本从3.6.1降到3.6.0解决

piplist
pipuninstallprotobuf
pipinstallprotobuf==3.6.0
piplist

参考

[1]importerror:loaddllfailed

总结

以上所述是小编给大家介绍的tensorflow-gpu安装的常见问题及解决方案，希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对毛票票网站的支持！如果你觉得本文对你有帮助，欢迎转载，烦请注明出处，谢谢！

声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。