因为无法链接动态库的问题采用上述方法解决的话 , 会看到很多诸如类似的提示:
.dll
.dll
xxxx.dll
此时可以采用os模块的解决 , 在as tf前面导入 os , 示例如下:
import osos.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'# 不显示等级2以下的提示信息import tensorflow as tf
以上代码用于忽略级别 2 及以下的消息(级别 1 是提示 , 级别 2 是警告 , 级别 3 是错误)
另外 , 出现xxxxx.dll , 虽然无伤大雅 , 但是每次程序运行as tf的时候总会等待一两秒去查找xxxxx.dll
方法(仅供参考):将xxxxx.dll的路径添加到环境变量的Path中:C:\ Files\ GPU\CUDA\v11.0\bin\xxxxx.dll
8)、运行程序提示Your CPUthat thiswas notto use: AVX2 FMA
大概意思是:你的CPU支持AVX扩展 , 但是你安装的版本无法编译使用
如果你有一个GPU , 你不应该关心AVX的支持 , 因为大多数昂贵的操作将被分派到一个GPU设备上(除非明确地设置) 。在这种情况下 , 您可以简单地忽略此警告:
os
os.[‘’] = ‘2’
希望上述方法对你有所帮助!
参考:
1. CUDA安装失败解决方法的小屋-CSDN博客_cuda安装失败
2、解决.0版本无法链接动态库.DLL问题
- YOLOv4结构以及用到的tricks与创新总结
- SQL SERVER 链接服务器 以及 openrowset
- CUDA 学习笔记四
- 移动端触摸事件 事件防误触 以及 1物理像素问题
- 需求分析报告应该包含哪些部分_设计师要怎么做产品分析?
- MyBatis传入多个参数的问题以及出现“无效的列类型: 1111 错误”问题的
- 或者可以生成 一个glyph包含一直字符图片image和许多用于渲染文本的参数
- 路径规划-A*算法
- SSH 秘钥Key的简介以及生成和使用
- 超详细的JDK,JRE的安装以及配置