【2022.5.1】Keras环境配置踩坑——版本|GPU|代码兼容性

版本（重要）

按照官方指南， 花了2个多小时安装好了一堆东西并配置好一堆环境变量之后，终于在vs里边运行成功，并且测试通过，识别了GPU。还没来得及高兴一会，就发现发现Python的TensorFlow不识别GPU。

简直晴天霹雳！

上网查主要是版本问题，于是又重新参考TensorFlow的官网GPU对应版本下了几个G的文件。

我目前用的套餐：

版本	Python 版本	编译器	构建工具	cuDNN	CUDA
tensorflow_gpu-2.6.0	3.6-3.9	MSVC 2019	Bazel 3.7.2	8.1	11.2

再次安装后依旧不识别，凌晨三点我有点抓狂。

后来发现原来的新版本没卸载干净，旧版不识别，全部删除重装。

又发现CuDNN的目录结构跟新版不一样，之前装的也没删干净，环境变量还设置错了。（应该是添加CUDNN\v8.x\bin这个目录）

GPU

1050笔记本版， 官网没有明确列出可以， 但是桌面版的列出来了，试试发现是笔记本版1050也可以的。

代码兼容性

因为切换了各种库的版本，导致代码兼容性出问题， 又是一顿改。

+= 符号有的地方不能用， 改成了a = a + 1这种

有个gradient的函数不能用，前边加个这个兼容性函数就可以了

import tensorflow as tf
tf.compat.v1.disable_eager_execution()

最后

终于！！！

GPU: [PhysicalDevice(name='/physical_device:GPU:0', device_type='GPU')]

然而！！！！！！

 (1) Resource exhausted: OOM when allocating tensor with shape[53200,128] and type float on /job:localhost/replica:0/task:0/device:GPU:0 by allocator GPU_0_bfc
	 [[{{node gradients/MatMul_3_grad/MatMul_1}}]]
Hint: If you want to see a list of allocated tensors when OOM happens, add report_tensor_allocations_upon_oom to RunOptions for current allocation info. This isn't available when running in Eager mode.

0 successful operations.
0 derived errors ignored.

Process finished with exit code 1

显存不足啊啊啊啊啊啊啊啊！！！！！！！玩我是吧！！