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import tensorflow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: DLL load failed: 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 (most recent call last):
 File "E:\study\machinelearning\ENV\lib\site-packages\tensorflow\python\pywrap_tensorflow.py", line 58, in <module>
 from tensorflow.python.pywrap_tensorflow_internal import *
 File "E:\study\machinelearning\ENV\lib\site-packages\tensorflow\python\pywrap_tensorflow_internal.py", line 28, in <module>
 _pywrap_tensorflow_internal = swig_import_helper()
 File "E:\study\machinelearning\ENV\lib\site-packages\tensorflow\python\pywrap_tensorflow_internal.py", line 24, in swig_import_helper
 _mod = imp.load_module('_pywrap_tensorflow_internal', fp, pathname, description)
 File "E:\study\machinelearning\ENV\lib\imp.py", line 242, in load_module
 return load_dynamic(name, filename, file)
 File "E:\study\machinelearning\ENV\lib\imp.py", line 342, in load_dynamic
 return _load(spec)
ImportError: DLL load failed: 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）Microsoft Visual C++ 2015 Redistributable Update 3 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Legacy Releases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nvidia developer账号

点开最下面的Archived cuDNN Releases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：Download cuDNN v7.0.5 (Dec 5, 2017), for CUDA 9.0

按照道理来讲这里的Download cuDNN v7.5.0 (Feb 21, 2019), for CUDA 9.0