当我尝试结合使用Flair标记器和Universal Sentence Encoder（USE）来嵌入所有内容时，在CPU和GPU上运行良好：
self._session = tf_session.TF_NewSessionRef(self._graph.c_graph, opts)
tensorflow.python.framework.errors_impl.InternalError: cudaGetDevice() failed. Status: CUDA driver version is insufficient for CUDA runtime version
我知道CUDA，CUDA运行时和cuDNN是正确的，因为我用documantion进行了检查。我使用了Docker，所以我对它们的版本有所把握。 TF.Session设置为允许GPU增长。
奇怪的是，仅使用Flair起作用，而仅使用TensorFlow（未导入Flair）效果很好。 版本出现问题：
torch==1.3.1
tensorflow-gpu==1.14.0
tensorflow-hub==0.7.0
numpy==1.17.1
flair==0.4.4
答案 0 :(得分：0)
问题似乎仅在于Flair库是在TF之前导入的，并且阻止了其使用GPU的尝试。
最近，他们修复了错误。因此，如果可能的话，我建议使用Flair 0.4.5版或更高版本。
如果由于某些原因您仍然需要使用Flair版本0.4.4，我发现它可以很好地工作： 始终在导入Flair之前先导入tensorflow（即使您不在当前文件中使用它也是如此）。
该版本的Pillow和Torchvision软件包也有问题。我建议将它们安装在以下版本中：Pillow==6.2.1和torchvision==0.4.2。
希望它会有用。如果之前有类似这样的帖子存在，那将节省我几天的调试时间。