1.出現版本不對應問題
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...
等問題都是指向tensorflow與cuda版本不對應問題
解決辦法：
1.終端輸入pip list
2.查看cuda版本
常用查看nvidia控制面板的方法為錯誤，在控制面板中顯示的NVCUDA.DLL不是安裝的CUDA版本是你目前顯卡驅動所能支持的最高版本，現在若是更新驅動它會發生變化的。
（1）.使用nVidia-smi可查看版本（前提是添加了環境變量）
則本機的cuda版本為11.5.76
（2）.直接通過文件查看，這里分為Linux和windows兩種情況
在windows平台下，可以直接進入CUDA的安裝目錄，比如我的是：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.2 里面有一個version.txt的文本文件，直接打開即可，也可以使用命令，即
首先進入到安裝目錄，然后執行：type version.txt 即可查看
在Linux平台下：
同windows類似，進入到安裝目錄，然后執行 cat version.txt 命令
3.在官網下載cudu工具包
CUDA下載地址：https://developer.nvidia.com/cuda-toolkit-archive
（1）安裝CUDA
安裝路徑，選擇OK（安裝完成后路徑會自動變化，所以這里路徑選擇默認就好）
在這里我裝在了d盤，用戶自行創建文件夾
D:\360Downloads\CUDA10.0\NVIDIA GPU Computing Toolkit\CUDA\v10.0
D:\360Downloads\CUDA10.0\NVIDIA Corporation\CUDA Samples\v10.0
打開路徑 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin ，查看nvcc.exe
有nvcc.exe就說明CUDA安裝已成功（這里我並未找到）
打開路徑 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\CUPTI\lib64，查看有沒有cuti64_101.dll
有這個cuti64_101.dll就說明CUPT1已成功（這里我並未找到）
（2）安裝cudnn
官網下載地址：https://developer.nvidia.com/rdp/cudnn-download
沒有賬號需要注冊賬號，賬號登錄后，找到自己對應的CUDA版本，點擊下載,這里我下載cudnn11.5版本
解壓CUDNN后，將對應的bin、lib、include與CUDA10.1對應的bin、lib、include進行合並。
（3）配置環境變量
安裝完CUDA后，CUDA會自動添加到環境變量中
CUPTA和CUDNN還沒有加進來，所以必須將它們添加到路徑，這樣使用Tensorflow的時候才不會報錯
手動添加CUPTI和CUDNN的環境變量如下圖：
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
在這里有的nvidia corportion與NVIDIA GPU Computing Toolkit文件夾相反，能找到即可。
即為安裝成功
其余問題可參考
(11條消息) CUDA、CUDNN在windows下的安裝及配置_IT菜鳥-CSDN博客_cudnn配置博