深度学习中执行训练命令后出现的问题

系统变量已经配置好了，各种路径也已经正确，cuda和cudnn也装好了对应版本，出现了图中的错误，各位，应该如何解决啊

img

使用gpt进行了回答，你参考一下：
根据错误消息，看起来是与CUDA和CUDNN相关的动态库配置有问题。请按照以下步骤检查和解决问题：

  1. 确认已正确安装并配置了GPU驱动程序、CUDA和CUDNN，且版本与PaddlePaddle匹配。确保所安装的CUDA和CUDNN版本与你的PaddlePaddle版本兼容。可以在PaddlePaddle官方文档中查找兼容性信息。

  2. 确保CUDA和CUDNN的动态库路径已正确配置到LD_LIBRARY_PATH或PATH环境变量中。可以使用以下命令进行设置（Linux）：

export LD_LIBRARY_PATH=/your/path/to/cuda/lib64:/your/path/to/cudnn/lib64:$LD_LIBRARY_PATH

其中/your/path/to/cuda/lib64和/your/path/to/cudnn/lib64需要替换为实际的CUDA和CUDNN动态库路径。

对于Windows系统，可以使用以下命令设置PATH环境变量：

set PATH=your\path\to\cuda\bin;your\path\to\cudnn\bin;%PATH%

将your\path\to\cuda\bin和your\path\to\cudnn\bin替换为实际的CUDA和CUDNN路径。

  1. 如果以上步骤都正确配置且问题仍然存在，请确保CUDA和CUDNN的动态库文件（例如cudart64_112.dll）在相应路径下，并且可供PaddlePaddle访问。

完成上述操作后，重新运行程序，应该可以解决动态库配置问题。如果问题仍然存在，请进一步检查你的环境和配置是否正确，并确保所有依赖项正常安装和配置。

【相关推荐】



  • 这有个类似的问题, 你可以参考下: https://ask.csdn.net/questions/7788364
  • 这篇博客也不错, 你可以看下查看cuda和cudnn版本
  • 除此之外, 这篇博客: 配置显卡驱动、CUDA、cuDNN以及说明三者之间的关系中的 二、安装以及版本选择说明 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:

    1、显卡驱动
    这个没啥可说的，进入NVIDIA驱动下载官网

    https://www.nvidia.cn/Download/index.aspx?lang=cn根据自己显卡名称对应选择，点击搜索然后下载。
    在这里插入图片描述
    在这里插入图片描述
    点击下载的软件“同意并继续”进行安装

    这里我选择的是自定义安装，当然你也可以选择推荐的精简安装，不影响后续安装过程。

    全选点击下一步

    重启结束显卡驱动安装
    重启结束显卡驱动安装
    显卡安装成功后鼠标右键—>点击NVIDIA控制面板—>系统信息

    查看安装好的显卡驱动版本，我的版本是445.75，这个非常重要，在选择CUDA版本的时候需要。

    网上有一部分资料认为下图红框内的11.0.126才是安装好的显卡驱动对应的CUDA版本号，不知依据出自何处。如果按照网上的步骤，我应该选择CUDA 11.0.126，但尴尬的是，在我发布这篇博客的时候NVIDIA还没有发布这么高的版本，最高才10.2.89（CUDA安装步骤中有贴图），所以不科学。我对CUDA 11.0.126的理解是，当前我安装的显卡驱动最高能支持的CUDA版本是11.0.126，这可能是NVIDIA在写驱动程序的时候规划好的，虽然还没有这么高版本。（对于CUDA的版本选择让我困惑了一段时间，通过翻阅官方文档消除了疑惑，如果想更深一步了解，下一步CUDA安装中我有详细的举例说明）

    2、CUDA安装
    CUDA安装官网描述：运行CUDA应用程序的两个必要条件是
    （1）系统至少拥有一个支持CUDA编程的GPU硬件；
    （2）能够兼容CUDA的驱动程序版本。
    通过参考官网文档我对下图表格的理解：
    （1）NVDIA发布的每一个CUDA工具包都有一个最低版本的显卡驱动限制，比如红色框内是目前最新版本的CUDA 10.2.89，Windows下其支持的显卡驱动最低版本是441.22，也就是说低于441.22的显卡驱动都无法安装CUDA 10.2.89。
    （2）显卡驱动是向后兼容的，新的版本兼容旧的版本。
    （3）对于指定的一个CUDA工具包仍然适用于后续NVIDIA发布的更高版本驱动。举例说明：文章中我的显卡驱动版本是445.75>=441.22所以目前我安装的显卡驱动都能与表中的CUDA任何一个版本兼容。假如你显卡驱动版本是400.36>= 398.26，但<411.31,所以CUDA 9.2 (9.2.148 Update 1)以下（包含9.2）CUDA版本都能兼容，以上则不能。

    CUDA官网描述链接：https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
    至此，明确了显卡驱动和CUDA的兼容关系，然后根据你要配置的深度学习框架来最终选择CUDA版本。
    我要配置的是PyTorch，进入官网：https://pytorch.org/
    可以看到PyTorch当前支持的CUDA版本是9.2和10.1，而我的显卡驱动10.2以下的CUDA都兼容，为了体验更新的版本我选择了10.1。
    或者你即想配置PyTorch也想配置CAFFE，那么你可以分别安装两个不同版本的CUDA，一个支持PyTorch，一个支持CAFFE。这样是不冲突的，只是在用的时候要切换版本。


    好了，CUDA的选择已经介绍完，接下来开始正式安装：
    百度中直接搜索CUDA 10.1，然后点击

    进入下载页面，然后根据自己的需求对应选择下载，红色框中前一个是网络安装，文件比较小，里面只有CUDA，不含有显卡驱动，后一个是下载到本地安装，2个多G，里面含有显卡驱动（安装的时候可以不勾选）我选择的是第二种

    双击安装软件点击OK进行（安装CUDA路径建议默认，方便后面配置cuDNN）

    同意并继续

    这步很重要，如果不想替换之前安装好的显卡驱动，选择自定义，点击下一步
    这步很重要，如果不想替换之前安装好的显卡驱动，选择自定义，点击下一步
    只勾选安装CUDA，点击下一步

    下一步
    下一步
    勾选协议，NEXT

    下一步

    关闭，安装结束

    3、cuDNN安装
    通过1、2安装完显卡驱动、CUDA后，接下来下载配置cuDNN。
    cuDNN官网下载链接：https://developer.nvidia.com/rdp/cudnn-archive
    我安装的是CUDA10.1，对应我选择下载最新的cuDNN（红色框）

    我在Win10下运行，选择对应版本

    然后会进入这个页面。已经注册过的点击Login直接登录，未注册过的点击Join now按提示注册登录

    登录后点击下载

    按照官网文档配置cuDNN：将下载解压好的cuDNN三个路径下的文件分别对应拷贝到CUDA安装目录对应文件中

    我的拷贝过程如下图

    至此，CUDA、cuDNN配置完成，接下来验证是否配置成功。
    4、测试
    配置完成后，我们可以验证是否配置成功，主要使用CUDA内置的deviceQuery.exe 和 bandwithTest.exe：
    首先win+R启动cmd，输入 cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\demo_suite，然后分别执行bandwidthTest.exe和deviceQuery.exe，应该得到下图:
    执行bandwidthTest.exe

    接着执行deviceQuery.exe

    如果以上两步都返回了Result=PASS，恭喜你配置成功。
    至此，配置显卡驱动、CUDA、cuDNN以及说明三者之间的关系介绍已结束，希望对你有帮助。

    如果想配置PyTorch，请参考“Win10+GTX1660Ti+CUDA10.1+cuDNN v7.6.4+Anaconda+PyCharm配置GPU版本PyTorch超详细步骤”https://blog.csdn.net/qq_18620653/article/details/105329219


如果你已经解决了该问题, 非常希望你能够分享一下解决方案, 写成博客, 将相关链接放在评论区, 以帮助更多的人 ^-^