GPU版TensorFlow运行报错求助（Windows10+CUDA9.0+CUDNN7.0）

针对你遇到的这两个问题，咱们逐个来解决：

这个其实只是警告而非错误，不会影响TensorFlow的正常运行——它只是说明你的CPU支持AVX2指令集，但你安装的预编译TensorFlow二进制包没有针对这个指令集做优化，所以CPU的性能没法完全发挥。

如果不在意这点性能损失，完全可以忽略这个警告；如果想让TensorFlow用上AVX2优化，你需要从源码编译TensorFlow，但这个过程比较繁琐，对于大部分日常场景来说没必要。

这个错误说明TensorFlow找不到可用的CUDA设备，咱们按步骤排查：

• 第一步：确认你的显卡支持CUDA
  TensorFlow GPU版要求NVIDIA显卡的Compute Capability≥3.0，你可以查询自己显卡型号对应的参数，如果低于3.0，那只能改用CPU版TensorFlow了。

• 第二步：验证CUDA 9.0的安装与环境配置

  1. 打开命令提示符，输入nvcc --version，如果能显示CUDA 9.0的版本信息，说明CUDA安装基本正常；如果提示“不是内部或外部命令”，说明环境变量没配置好。
  2. 检查系统环境变量：
     • 确认存在CUDA_PATH变量，值为C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0
     • 把C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin和C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\libnvvp添加到系统Path变量中（注意是系统Path，不是用户Path）

• 第三步：确认CUDNN 7.0安装正确
  下载CUDNN 7.0 for CUDA 9.0后，需要把解压后的文件复制到CUDA对应的目录：

  • 把cuda\bin下的所有文件复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin
  • 把cuda\include下的所有文件复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\include
  • 把cuda\lib\x64下的所有文件复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64
    复制完成后一定要重启电脑，让文件生效。

• 第四步：更新NVIDIA驱动到兼容版本
  CUDA 9.0要求显卡驱动版本≥384.xx，你可以下载适配自己显卡的最新驱动安装，安装后重启电脑。

• 第五步：验证TensorFlow版本与CUDA/CUDNN的兼容性
  TensorFlow GPU版1.7.x是对应CUDA 9.0和CUDNN 7.0的，你可以在Anaconda环境中输入pip show tensorflow-gpu查看安装的版本，如果版本不对，需要卸载后重新安装对应版本：

  pip uninstall tensorflow-gpu
  pip install tensorflow-gpu==1.7.0
  

• 第六步：测试GPU是否被识别
  完成以上步骤后，运行下面的代码测试：

  import tensorflow as tf
  print(tf.test.is_gpu_available())
  

  如果返回True，说明GPU已经被成功识别，再运行你之前的代码就不会出现CUDA错误了。

内容的提问来源于stack exchange，提问作者Steven Chan