运行tf.test.is_gpu_availabe()返回False，提示cudnn64_7.dll缺失求助

你的核心问题是TensorFlow版本与CuDNN版本不匹配，导致找不到指定的动态链接库：

• TensorFlow 2.3.0官方要求搭配的是CuDNN 7.6.x（对应文件为cudnn64_7.dll），而你安装的是CuDNN 8.0.5，其对应的文件是cudnn64_8.dll，自然会出现找不到文件的报错。
• 你的CUDA 10.1版本符合TF2.3.0要求，GPU MX130的算力5.0也满足TF2.3.0对GPU算力≥3.5的要求，这两部分无需调整。

具体修复步骤： #

• 卸载当前的CuDNN 8.0.5，下载适配CUDA 10.1的CuDNN 7.6.5版本
• 将CuDNN解压后的bin、include、lib文件夹内容，分别复制到CUDA 10.1安装目录对应的同名文件夹下（默认路径一般为C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1）
• 确认CUDA的bin目录已添加到系统环境变量PATH中，之后重启Python运行环境
• 再次执行tf.test.is_gpu_available()验证GPU是否可用

内容的提问来源于stack exchange，提问作者Yeasin Al Yeasa