tf-gpu版问题小记_tfpigbu-优快云博客

本文链接：https://blog.youkuaiyun.com/hastings2k/article/details/79966294

从CPU版TensorFlow转向GPU版时遇到困难，花费两天时间安装环境，最终配置为tf1.6搭配cuda9.0和cudnn7.1。虽然初期测试性能提升明显，但在后续CNN模型运行时出现问题，Python程序崩溃。经过排查，发现错误提示涉及cpu不支持avx2和cudnn版本问题。最初误认为cudnn版本过低，实际上是因为版本过高。解决方案是降级到cudnn7.0，问题得到解决。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

前情：在tf-cpu版上练了几天，然后转到gpu版。光装相关环境就花了我两天时间。期间装了删删了装，重启数次。

就这样劳心劳力，最后终于成功“运行”，此时版本为tf1.6-cuda9.0-cudnn7.1.。当时测试了两个简单例子，其中一个是手写数字识别，大概是cpu版耗费时间的1/3.

但是到后来，进入cnn实例之后，原版copy的源码也无法在本地运行。

具体错误是：一运行Python就停止运行。点击调试就会进入vs2017，调试的内容我也看不懂，大概意思可能是pdb或者dll丢失还是找不到。

一开始很慌，因为python没有报错信息，vs我也看不懂。没有错误信息就没法找哪里出问题。

后来发现在jupyter里有错误提示，总结下了大概值得注意的是这么几个：1） cpu不支持avx2 ； 2）cudnn版本不对

Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2

Loaded runtime CuDNN library: 7102 (compatibility version 7100) but source was compiled with 7003 (compatibility version 7000).

If using a binary install, upgrade your CuDNN library to match.

If building from sources, make sure the library loaded at runtime matches a compatible version specified during compile configuration.

一开始看着两个就很不明白。期间一遍跟别人交流，一遍百度。终于发现我想歪了：一开始我无脑百度，以为是cudnn版本低了，但是其实自己知道cudnn版本已经是能用的最新的几个了。

后来发现，这不是告诉我cudnn版本低了，而是tm的告诉我cudnn版本高了。

最后重下cudnn7.0 ，解决问题。