最近學校給了一個服務器賬號用來訓練神經網絡使用，服務器本身配置是十路titan V，然后在上面裝了tensorflow2.2，對應的python版本是3.6.2，裝好之后用tf.test.is_gpu_available()查看是否能調用gpu，結果返回結果是false，具體如下：

這里tensorflow應該是檢測出了gpu，但是因為某些庫無法打開而導致tensorflow無法調用，返回了false，詳細查看錯誤信息可以看到一行：

可以看到上面幾個文件都順利打開了，但是最后一個libcudnn.so.7文件顯示無法打開，not such file or directory。懷疑是cuda有問題，服務器本身是裝的cuda10.1，跟tensorflow2.2應該是吻合的，但是一直無法調用，所以一開始我想重新安裝cuda，覆蓋掉服務器本來的cuda，下好安裝包之后，因為我不是管理員，沒有root權限，所以總是失敗。但是安裝過程中了解到系統的cuda安裝目錄，位于/usr/local/cuda下面，這個libcudnn.so.7應該是一個庫文件，那應該放在cuda的安裝目錄下面，具體地，在/usr/local/cuda/lib64下面，之前在我的windows本地機器安裝cuda時還要下載cudnn7.x，然后把文件拷貝到cuda對應的目錄下面，我懷疑lib64目錄下面的這個libcudnn.so.7文件有問題，因為在linux版本的cudnn中是可以看到libcudnn.so.7這個文件的。
于是，打開lib64目錄，查找是否有libcudnn.so.7這個文件，結果是沒有找到這個文件，這就很奇怪了，cuda10.1目錄下面竟然沒有cudnn的文件，我也沒有權限修改/usr/local，因此想到既然是少了這個文件，那是不是把對應的文件加載在別的目錄下，引導tensorflow去另一個我可以操作的目錄下找這個libcudnn.so.7文件，就可以解決問題呢？我帶著試驗性的心態wget下載cudnn，結果在命令行下無法下載cudnn，原因是cudnn下載需要登錄，而在命令行下就沒辦法下載。于是在本地機器上下載了linux版的cudnn，然后用scp命令把這個tar.gz文件發到服務器上，解壓出來可以看到~/cudnn/cuda/lib64下面有libcudnn.so.7。接下來就是添加環境變量，讓tensorflow不僅在/usr/local/cuda/lib64下找文件，還可以在我這個目錄下找，添加命令：

export PATH=$PATH:/usr/local/cuda-10.1/bin export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-10.1/lib64 export LIBRARY_PATH=$LIBRARY_PATH:/usr/local/cuda-10.1/lib64

這幾行命令添加系統cuda的庫
然后添加：

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/home/users/cudnn/cuda/lib64 export LIBRARY_PATH=$LIBRARY_PATH:/home/users/cudnn/cuda/lib64

這里的/home/users/cudnn/cuda/lib64視自己的libcudnn.so.7文件目錄而定，最后是更新：

source /etc/profile

如果tensorflow是按照在anaconda虛擬環境下的，在執行這幾條命令會自動退出虛擬環境。記得重新進入：

source activate 環境名

這時重新進入python，導入tensorflow，然后運行tf.test.is_gpu_available()，可以看到：

這時已經顯示成功打開了libcudnn.so.7文件，說明tf根據我提供的目錄成功找到了這個文件，在打開了這些庫文件后，最下面也返回了True：

還可以用另一個方法tf.config.list_physical_devices(‘GPU’)查看當前可用gpu：

十塊gpu都顯示出來了。
注意，添加這幾條命令只在當前連接上有用，如果斷開了服務器連接再重新連接時，需要重新輸入這些命令。

這個方法只是作為一個參考，碰巧是在tensorflow2.2上這個libcudnn.so.7文件打不開，于是嘗試性地試了一下，結果成功了。其他機器上如果出現同類問題，采用這個方法不一定能解決，只是提供一個思路。在tensorflow2.1上，也同樣出現gpu無法調用的問題，但打印的錯誤信息不僅有libcudnn.so.7文件無法打開，還有其他幾個文件也打不開，這些文件基本都是lib開頭的，可以查看這些文件是否在cuda的lib64目錄下，如果找得到這些文件，那有可能是環境變量設錯了，可以試試上面那些命令：

export PATH=$PATH:/usr/local/cuda-10.1/bin export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-10.1/lib64 export LIBRARY_PATH=$LIBRARY_PATH:/usr/local/cuda-10.1/lib64

如果找不到，那可以試試跟我一樣先把這些文件下載到機器上面，給系統添加環境變量到對應這些文件的目錄，引導tf去找。當然，這只是我一種猜測，tensorflow2.1和2.2用的應該都是cuda10.1，但是我不清楚為什么2.2只有一個文件無法打開，而2.1就有好幾個文件打不開，而在1.9版本上，由于1.9似乎用的不是10.1版本的cuda，其錯誤原因更多，這里要區分開。

總結

以上是生活随笔為你收集整理的tensorflow2.x版本无法调用gpu的一种解决方法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。