这个算是 VS2010 的 BUG 吗?

本文详细阐述了一个在将项目从VS2003迁移至VS2010过程中遇到的编译错误,即在CS文件中声明了两个相同的变量,却未引发编译错误的问题。通过深入分析,最终发现后台代码中存在重复声明的控件,成功定位并解决问题。

今天修改一个项目的页面, 项目是从 VS2003 转到 VS 2010 的, 编译什么都没有问题, 但是打开一个菜单时, 出现错误页在, 提示“引用不确定”, 从这个字面上理解应该是页面类定义重复了, 于是我就在项目中查询这个重复的文件。梦痕文学网 http://www.menghen.net/

 

最终还是没有找到重复的定义, 修改类名, 命名空间都没有用, 没办了, 我就把文件给排除掉, 重新编译, 运行后又提示找不到类, 从这里又可以肯定类定义是没有重复的, 那问题到底出在哪里了?

 

最后在一个同事的提示在, 我看了一下后台代码页面控件的声明, 发现有两个一模一的声明, 删除一个问题就解决了。

 

这是怎么回事, 在 CS 文件中, 声明了两个一样的变量,竟然编译不会出错? 

系统环境是win11,显卡是5060TI tensorflow-gpu 版本是2.10,cuda版本一个是11.2 一个是13.0 13.0的cuda是为了使用新版本的pytorch 环境变量如下: ![img](https://i-blog.csdnimg.cn/ask/256b3d7397fa456582951be1f04903c1.png "#left") —————————————————————————————————————————— ![img](https://i-blog.csdnimg.cn/ask/a22c15a1201a4aafbee8fa2460ea7f57.png "#left") 当我没有安装cuda11.2的时候他提示没有装cuda 当我装上cuda11.2,使用tensorflow训练模型时提示以下内容: **025-12-07 23:40:26.510220: W tensorflow/core/common_runtime/gpu/gpu_device.cc:2027] TensorFlow was not built with CUDA kernel binaries compatible with compute capability 12.0. CUDA kernels will be jit-compiled from PTX, which could take 30 minutes or longer. 2025-12-07 23:40:26.510885: I tensorflow/core/platform/cpu_feature_guard.cc:193] This TensorFlow binary is optimized with oneAPI Deep Neural Network Library (oneDNN) to use the following CPU instructions in performance-critical operations: AVX AVX2 To enable them in other operations, rebuild TensorFlow with the appropriate compiler flags. 2025-12-07 23:40:26.512891: W tensorflow/core/common_runtime/gpu/gpu_device.cc:2027] TensorFlow was not built with CUDA kernel binaries compatible with compute capability 12.0. CUDA kernels will be jit-compiled from PTX, which could take 30 minutes or longer.** 然后会花很长时间去编译,然后才能训练, 问题是等了很长时间后 **它会编译失败**,然后最后训练的时候勉强算是调用cuda去计算,结果就是**训练过程很慢**,第一次需要900s,第二次之后任然需要60s以上,还没有使用cpu快,正常情况下每个epoch 10s 左右完成 **这个问题该怎么解决???**
最新发布
12-08
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值