我尝试在GPU上使用tf2.0 / tf.keras CNN模型进行预测，但得到了这些错误消息。 有人可以帮我修复它吗？
**环境：
python 3.6.8
tensorflow-gpu 2.0.0-rc0
nvidia 418.x
CUDA 10.0
cuDNN 7.6 + **
================================================ ===========
日志：
2019-09-28 13：10：59.833892：我tensorflow / stream_executor / platform / default / dso_loader.cc：44]成功打开动态库libcublas.so.10.0 2019-09-28 13：11：00.228025：我tensorflow / stream_executor / platform / default / dso_loader.cc：44]成功打开了动态库libcudnn.so.7 2019-09-28 13：11：00.957534：E tensorflow / stream_executor / cuda / cuda_dnn.cc：329]无法创建cudnn句柄：CUDNN_STATUS_INTERNAL_ERROR 2019-09-28 13：11：00.963310：E tensorflow / stream_executor / cuda / cuda_dnn.cc：329]无法创建cudnn句柄：CUDNN_STATUS_INTERNAL_ERROR 2019-09-28 13：11：00.963416：W tensorflow / core / common_runtime / base_collective_executor.cc：216] BaseCollectiveExecutor :: StartAbort未知：无法获取卷积算法。这可能是因为cuDNN初始化失败，所以请尝试查看上面是否打印了警告日志消息。 [[{{node mobilenetv2_1.00_192 / Conv1 / Conv2D}}]] mobilenetv2_1.00_192 / block_15_expand_BN / cond / then / _630 / Const：（Const）：/ job：localhost / replica：0 / task：0 / device：GPU：0 =====> GPU可用：True =====> 4个物理GPU，1个逻辑GPU
mobilenetv2_1.00_192 / block_15_expand_BN / cond / then / _630 / Const_1：（Const）：/ job：localhost /副本：0 / task：0 / device：GPU：0 mobilenetv2_1.00_192 / block_15_depthwise_BN / cond / then / _644 / Const：（Const）：/ job：localhost /副本：0 / task：0 / device：GPU：0 mobilenetv2_1.00_192 / block_15_depthwise_BN / cond / then / _644 / Const_1：（Const）：/ job：localhost /副本：0 / task：0 / device：GPU：0 mobilenetv2_1.00_192 / block_15_project_BN / cond / then / _658 / Const：（Const）：/ job：localhost /副本：0 / task：0 / device：GPU：0 mobilenetv2_1.00_192 / block_15_project_BN / cond / then / _658 / Const_1：（Const）：/ job：localhost /副本：0 / task：0 / device：GPU：0 mobilenetv2_1.00_192 / block_16_expand_BN / cond / then / _672 / Const：（Const）：/ job：localhost /副本：0 / task：0 / device：GPU：0 mobilenetv2_1.00_192 / block_16_expand_BN / cond / then / _672 / Const_1：（Const）：/ job：localhost /副本：0 / task：0 / device：GPU：0 mobilenetv2_1.00_192 / block_16_depthwise_BN / cond / then / _686 / Const：（Const）：/ job：localhost /副本：0 / task：0 / device：GPU：0 mobilenetv2_1.00_192 / block_16_depthwise_BN / cond / then / _686 / Const_1：（Const）：/ job：localhost /副本：0 / task：0 / device：GPU：0 mobilenetv2_1.00_192 / block_16_project_BN / cond / then / _700 / Const：（Const）：/ job：localhost /副本：0 / task：0 / device：GPU：0 mobilenetv2_1.00_192 / block_16_project_BN / cond / then / _700 / Const_1：（Const）：/ job：localhost /副本：0 / task：0 / device：GPU：0 mobilenetv2_1.00_192 / Conv_1_bn / cond / then / _714 / Const：（Const）：/ job：localhost /副本：0 / task：0 / device：GPU：0 mobilenetv2_1.00_192 / Conv_1_bn / cond / then / _714 / Const_1：（Const）：/ job：localhost /副本：0 /任务：0 /设备：GPU：0 追溯（最近一次通话）： 文件“ NSFW_Server.py”，第162行，在 model.predict（初始张量） 预测文件“ /usr/local/lib/python3.6/dist-packages/tensorflow_core/python/keras/engine/training.py”，第915行 use_multiprocessing = use_multiprocessing） 预测中的文件“ /usr/local/lib/python3.6/dist-packages/tensorflow_core/python/keras/engine/training_arrays.py”，第722行 回调=回调） 在model_iteration中的第393行，文件“ /usr/local/lib/python3.6/dist-packages/tensorflow_core/python/keras/engine/training_arrays.py” batch_outs = f（ins_batch） 调用中的文件“ /usr/local/lib/python3.6/dist-packages/tensorflow_core/python/keras/backend.py”，第3625行 输出= self._graph_fn（* converted_inputs） 调用中的文件“ /usr/local/lib/python3.6/dist-packages/tensorflow_core/python/eager/function.py”，第1081行 返回self._call_impl（args，kwargs） _call_impl中的文件“ /usr/local/lib/python3.6/dist-packages/tensorflow_core/python/eager/function.py”，行1121 返回self._call_flat（args，self.captured_inputs，cancel_manager） _call_flat中的文件“ /usr/local/lib/python3.6/dist-packages/tensorflow_core/python/eager/function.py”，第1224行 ctx，args，cancelation_manager = cancellation_manager） 调用中的文件“ /usr/local/lib/python3.6/dist-packages/tensorflow_core/python/eager/function.py”，第511行 ctx = ctx） 文件“ /usr/local/lib/python3.6/dist-packages/tensorflow_core/python/eager/execute.py”，第67行，在quick_execute中 six.raise_from（core._status_to_exception（e.code，message），None） 在第三行的“ _”文件“”中 tensorflow.python.framework.errors_impl.UnknownError：无法获取卷积算法。这可能是因为cuDNN初始化失败，所以请尝试查看上面是否打印了警告日志消息。 [[节点mobilenetv2_1.00_192 / Conv1 / Conv2D（在/usr/local/lib/python3.6/dist-packages/tensorflow_core/python/framework/ops.py:1751）中定义）] [Op：__ inference_keras_scratch_graph_10727]
函数调用堆栈： keras_scratch_graph
================================================ ===========
相关代码：
如果名称 ==“ 主要”：
print("=====>GPU Available: ", tf.test.is_gpu_available())
tf.debugging.set_log_device_placement(True)
gpus = tf.config.experimental.list_physical_devices('GPU')
if gpus:
try:
# Currently, memory growth needs to be the same across GPUs
tf.config.experimental.set_visible_devices(gpus[0], 'GPU')
tf.config.experimental.set_memory_growth(gpus[0], True)
logical_gpus = tf.config.experimental.list_logical_devices('GPU')
print("=====>", len(gpus), "Physical GPUs,", len(logical_gpus), "Logical GPUs")
except RuntimeError as e:
# Memory growth must be set before GPUs have been initialized
print(e)
paras_path = "./paras/{}".format(int(2011))
model = tf.keras.experimental.load_from_saved_model(paras_path)
initial_tensor = np.zeros((1, INPUT_SHAPE, INPUT_SHAPE, 3))
model.predict(initial_tensor)
================================================ ===========
请帮助，这困扰了我几天...
答案 0 :(得分：2)
您必须检查CUDA + CUDNN + TensorFlow的版本是否正确（还要确保已安装所有版本。
下面提供了两个运行配置的示例
例如。 Cuda 10.0 + CuDNN 7.6.3 + / TensorFlow 1.13 / 1.14 / TensorFlow 2.0。
Eg2 Cuda 9 + CuDNN 7.0.5 + TensorFlow 1.10有效
通常，当您安装了不兼容的TensorFlow / CuDNN版本时，会出现此错误。就我而言，这是当我尝试使用较旧的TensorFlow和较新版本的CuDNN时出现的。
答案 1 :(得分：0)
检查此TensorFlow GPU指令page上适用于您的操作系统的指令。它在Ubuntu 16.04.6 LTS和Tensorflow 2.0上为我解决了问题
答案 2 :(得分：0)
对于那些遇到上述错误问题的人（对于Windows平台），我只是通过安装与系统中已安装的CUDA兼容的CuDNN版本进行排序。
NVCC --version。cudnn64:7.dll 并将其粘贴到 CUDA 的 bin 文件夹中。就我而言，Cuda 的安装位置是 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin。我的系统详细信息：
我还发现这个博客 Installing TensorFlow with CUDA and GPU support on Windows 10. 非常有用。