tensorflow2.6.0跑tensorflow1.x代码（RTX3060，Windows10）

最新推荐文章于 2024-02-25 10:14:41 发布

原创最新推荐文章于 2024-02-25 10:14:41 发布 · 1.2k 阅读

5 ·

本内容遵循CC 4.0 BY-SA版权协议

标签

#tensorflow #python #深度学习

文章讲述了在使用RTX3060显卡时遇到的CUDA和Tensorflow版本不兼容问题，包括Tensorflow1.x到2.x升级导致的错误，如模块找不到、贡献模块移除等，并提供了相应的代码修改方案。另外，还提到了CUDA版本与GPU不匹配引发的内部错误，以及解决方法是降低CUDA版本。最后，作者分享了自己配置的系统环境（Windows11，CUDA11.2，cuDNN8.1.1.33，tensorflow-gpu2.6.0，Python3.6.13）并鼓励读者交流类似问题。

问题背景：

提示：这里简述问题背景：

电脑显卡是RTX3060，和CUDA10.x不适配
CUDA11.x和tensorflow1.x不适配
因此配置CUDA11.x+tensorflow2.x

tensorflow1.x转2.x出现的问题

提示：这里描述项目中遇到的问题：

1. AttributeError：module tensorflow no attribute app

在这里插入图片描述

修改前的代码：
import tensorflow as tf
修改后的代码：
import tensorflow.compat.v1 as tf

2. module ‘tensorflow.compat.v1’ has no attribute ‘contrib’

修改前的代码：
=tf.contrib.rnn.LSTMCell(self.lstm_dim)
修改后的代码：
=tf.nn.rnn_cell.LSTMCell(self.lstm_dim)
修改前的代码：
=tf.contrib.crf_log_likelihood(inputs=self.ner_project_logits,tag_indices=self.label, sequence_lengths=self.sent_len)
修改后的代码：
import tensorflow_addons as tfa
=tfa.text.crf_log_likelihood(inputs=self.ner_project_logits,tag_indices=self.label,sequence_lengths=self.sent_len)
修改前的代码
initializer = tf.contrib.layers.xavier_initializer()
修改后的代码
initializer = tf.keras.initializers.glorot_normal()

3.RTX3060显卡不支持CUDA10.x

InternalError: Blas GEMM launch failed : a.shape=(100, 784), b.shape=(784, 10), m=100, n=10…

在这里插入图片描述

修改CUDA版本即可

4.安装tensorflow-gpu时，显示当前版本已被移除

The “tensorflow-gpu” package has been removed!

在这里插入图片描述

找相对应的whl文件，下载下来然后在pip install xxx

5.可以检测到GPU，但是无法用GPU跑代码

print(tf.test.is_gpu_available())
print(tf.test.is_built_with_cuda())

上述代码的输出都为true，但是还是没有办法使用GPU
错误代码如下：

W tensorflow/core/common_runtime/colocation_graph.cc:1016] Failed to place the graph without changing the devices of some resources. Some of the operations (that had to be colocated with resource generating operations) are not supported on the resources' devices. Current candidate devices are [
/job:localhost/replica:0/task:0/device:CPU:0].