話不多說，讓我們看看遇到的報錯以及解決辦法。

在解決問題之前，先確保我們的是否在使用tensorflow-gpu版本，代碼如下

import os from tensorflow.python.client import device_lib os.environ['TF_CPP_MIN_LOG_LEVEL'] = '99' if __name__ == '__main__':print(device_lib.list_local_devices())

?如過不是，那么請看您是否遇到下面1中遇到的報錯情況（我就遇到了，難受）

1.首先，當然是常見的cuda+cudnn+tensorflow+keras之間的版本對應問題！！！不管遇到什么樣的報錯，一定要先確定版本對應（前車之鑒）。

cuda與cudnn到如下鏈接查詢:

cuDNN Archive | NVIDIA Developer

其次，cuda和tensorflow到如下鏈接查詢：

Build from source ?|? TensorFlow

最后是tensorflow和keras的對應關系：

? 如果是tensorflow是1.x版本的：那么請參考這位博主的：tensorflow和keras版本對應關系 - 知乎

? 如果是tensorflow是2.x版本的，雖然網上有人說已經可以兼容了，但是我發(fā)現不行。我的tensorflow是2.2的，但是如果使用keras2.3.1，會報錯！！！后面我使用keras2.4.0就可以了。

各位可以嘗試提高keras版本（一點點就行，太高也報錯。。。）

Failed to get convolution algorithm. This is probably because cuDNN failed to initialize, so try looking to see if a warning log message was printed above.

?最離譜的是，居然說是cudnn的問題！當然遇到這種問題也可能是cpu內存不足也會這樣的報錯，在終端輸入nvidia-smi，看gpu是否被占滿了，如果是請參考這位博主的：“Failed to get convolution algorithm. This is probably because cuDNN failed to initialize”錯誤的解決辦法_史丹利復合田的博客-CSDN博客

至于具體的tensorflow2.x和keras對應關系，我在網上未找到具體的表格。各位如果沒有遇到如上的報錯，可以先跳過。

2.版本問題確認之后，如果還是無法運行，我們可以進行檢查問題所在

nvidia-smi nvcc -V

1.再次確認，這里nvidia-smi的版本一定要>=nvcc- V的！如果你下載了多個cuda版本，請參考以下博主的鏈接（還有注意看該博客的評論）：ubuntu 安裝多個CUDA版本并可以隨時切換_yinxingtianxia的博客-CSDN博客_安裝多個cuda

2.確認tensorflow-gpu是否啟用

python >>>import tensorflow as tf >>>tf.__version__ 2.2.0 >>>tf.test.is_gpu_available() True

看是否返回True，如果是False，那么就是這里出現了問題，并且出現了以下報錯（類似的）

Could not load dynamic library 'libcudart.so.11.0' ?

很可能就是你的cudnn配置有問題，請查看配置（在終端輸入）：

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

如果報錯或者版本不是你下載的，可以嘗試卸載cudnn，重新下載，具體卸載安裝請看以下博主的（簡單全面）：ubuntu18.04中安裝和卸載cuDNN - 努力奮斗的阿貝拉 - 博客園

如上報錯是我遇到的比較棘手的報錯了（在我遇到的報錯里，其他報錯，我在網上都比較好找到解答的。），如果還有什么問題可以在評論區(qū)和我討論呀。

新手上路，如果有寫錯的地方，還清多多指教。

參考文章：

tensorflow2.x使用cuda10.2(非常簡單)_YouAreLion的博客-CSDN博客_cuda10.2 tensorflow

ubuntu 安裝多個CUDA版本并可以隨時切換_yinxingtianxia的博客-CSDN博客_安裝多個cuda

“Failed to get convolution algorithm. This is probably because cuDNN failed to initialize”錯誤的解決辦法_史丹利復合田的博客-CSDN博客
?

總結

以上是生活随笔為你收集整理的keras上运行Tensorflow-gpu的艰难历程（最新版,更新中）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。