1.出现版本不对应问题
Cannot dlopen some GPU libraries. Please make sure the missing libraries mentioned above are installed properly if you would like to use GPU. Follow the guide at https://www.tensorflow.org/install/gpu for how to download and setup the required libraries for your platform.
Skipping registering GPU devices...
等问题都是指向tensorflow与cuda版本不对应问题
解决办法：
1.终端输入pip list
2.查看cuda版本
常用查看nvidia控制面板的方法为错误，在控制面板中显示的NVCUDA.DLL不是安装的CUDA版本是你目前显卡驱动所能支持的最高版本，现在若是更新驱动它会发生变化的。
（1）.使用nVidia-smi可查看版本（前提是添加了环境变量）
则本机的cuda版本为11.5.76
（2）.直接通过文件查看，这里分为Linux和windows两种情况
在windows平台下，可以直接进入CUDA的安装目录，比如我的是：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.2 里面有一个version.txt的文本文件，直接打开即可，也可以使用命令，即
首先进入到安装目录，然后执行：type version.txt 即可查看
在Linux平台下：
同windows类似，进入到安装目录，然后执行 cat version.txt 命令
3.在官网下载cudu工具包
CUDA下载地址：https://developer.nvidia.com/cuda-toolkit-archive
（1）安装CUDA
安装路径，选择OK（安装完成后路径会自动变化，所以这里路径选择默认就好）
在这里我装在了d盘，用户自行创建文件夹
D:\360Downloads\CUDA10.0\NVIDIA GPU Computing Toolkit\CUDA\v10.0
D:\360Downloads\CUDA10.0\NVIDIA Corporation\CUDA Samples\v10.0
打开路径 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin ，查看nvcc.exe
有nvcc.exe就说明CUDA安装已成功（这里我并未找到）
打开路径 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\CUPTI\lib64，查看有没有cuti64_101.dll
有这个cuti64_101.dll就说明CUPT1已成功（这里我并未找到）
（2）安装cudnn
官网下载地址：https://developer.nvidia.com/rdp/cudnn-download
没有账号需要注册账号，账号登录后，找到自己对应的CUDA版本，点击下载,这里我下载cudnn11.5版本
解压CUDNN后，将对应的bin、lib、include与CUDA10.1对应的bin、lib、include进行合并。
（3）配置环境变量
安装完CUDA后，CUDA会自动添加到环境变量中
CUPTA和CUDNN还没有加进来，所以必须将它们添加到路径，这样使用Tensorflow的时候才不会报错
手动添加CUPTI和CUDNN的环境变量如下图：
D:\360Downloads\CUDA10.1\NVIDIA GPU Computing Toolkit\CUDA\v10.1\lib\x64;
D:\360Downloads\CUDA10.1\NVIDIA GPU Computing Toolkit\CUDA\v10.1\include;
D:\360Downloads\CUDA10.1\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin;
D:\360Downloads\CUDA10.1\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\CUPTI\libx64;
D:\360Downloads\CUDA10.1\NVIDIA Corporation\CUDA\Samples\v10.1\bin\win64;
D:\360Downloads\CUDA10.1\NVIDIA Corporation\CUDA\Samples\v10.1\common\lib\x64
在这里有的nvidia corportion与NVIDIA GPU Computing Toolkit文件夹相反，能找到即可。
即为安装成功
其余问题可参考
(11条消息) CUDA、CUDNN在windows下的安装及配置_IT菜鸟-CSDN博客_cudnn配置博