话不多说，让我们看看遇到的报错以及解决办法。

在解决问题之前，先确保我们的是否在使用tensorflow-gpu版本，代码如下

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())

如过不是，那么请看您是否遇到下面1中遇到的报错情况（我就遇到了，难受）

1.首先，当然是常见的cuda+cudnn+tensorflow+keras之间的版本对应问题！！！不管遇到什么样的报错，一定要先确定版本对应（前车之鉴）。

cuda与cudnn到如下链接查询:

cuDNN Archive | NVIDIA Developer

其次，cuda和tensorflow到如下链接查询：

Build from source | TensorFlow

最后是tensorflow和keras的对应关系：

如果是tensorflow是1.x版本的：那么请参考这位博主的：tensorflow和keras版本对应关系 - 知乎

如果是tensorflow是2.x版本的，虽然网上有人说已经可以兼容了，但是我发现不行。我的tensorflow是2.2的，但是如果使用keras2.3.1，会报错！！！后面我使用keras2.4.0就可以了。

各位可以尝试提高keras版本（一点点就行，太高也报错。。。）

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.

最离谱的是，居然说是cudnn的问题！当然遇到这种问题也可能是cpu内存不足也会这样的报错，在终端输入nvidia-smi，看gpu是否被占满了，如果是请参考这位博主的：“Failed to get convolution algorithm. This is probably because cuDNN failed to initialize”错误的解决办法_史丹利复合田的博客-CSDN博客

至于具体的tensorflow2.x和keras对应关系，我在网上未找到具体的表格。各位如果没有遇到如上的报错，可以先跳过。

2.版本问题确认之后，如果还是无法运行，我们可以进行检查问题所在

nvidia-smi
nvcc -V

1.再次确认，这里nvidia-smi的版本一定要>=nvcc- V的！如果你下载了多个cuda版本，请参考以下博主的链接（还有注意看该博客的评论）：ubuntu 安装多个CUDA版本并可以随时切换_yinxingtianxia的博客-CSDN博客_安装多个cuda

2.确认tensorflow-gpu是否启用

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，那么就是这里出现了问题，并且出现了以下报错（类似的）

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

很可能就是你的cudnn配置有问题，请查看配置（在终端输入）：

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

如果报错或者版本不是你下载的，可以尝试卸载cudnn，重新下载，具体卸载安装请看以下博主的（简单全面）：ubuntu18.04中安装和卸载cuDNN - 努力奋斗的阿贝拉 - 博客园

如上报错是我遇到的比较棘手的报错了（在我遇到的报错里，其他报错，我在网上都比较好找到解答的。），如果还有什么问题可以在评论区和我讨论呀。

新手上路，如果有写错的地方，还清多多指教。

参考文章：

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

ubuntu 安装多个CUDA版本并可以随时切换_yinxingtianxia的博客-CSDN博客_安装多个cuda

“Failed to get convolution algorithm. This is probably because cuDNN failed to initialize”错误的解决办法_史丹利复合田的博客-CSDN博客

keras上运行Tensorflow-gpu的艰难历程（最新版,更新中）相关推荐

在安卓上运行 TensorFlow：让深度学习进入移动端
如果你关注我的前一篇帖子,并按照其中的内容实践,你可能已经学会了如何在 Linux 上安装一个 GPU 加速的 TensorFlow,并构建了你自己的图像分类器.老实讲,在笔记本上对图片进行分类是很花 ...
备注： ubt 16.04 安装 gtx 1060 --- 成功运行 tensorflow - gpu
---------------------------------------------------------------------------------------------------- ...
树莓派python3.6 tensorflow_树莓派上运行Tensorflow
由于学校里的一个比赛需要搭建一个机器视觉的系统,我一时兴起,想着能不能用树莓派+深度学习(tensorflow框架)来实现一下.所以就买了一块树莓派的板子,做了一些尝试,终于能在树莓派上运行tenso ...
如何在Hadoop上运行TensorFlow【部署】
为什么80%的码农都做不了架构师?>>> 原文链接 : https://www.tensorflow.org/deploy/hadoop 译文链接 : http://www.a ...
通过Anaconda在Ubuntu16.04上安装 TensorFlow(GPU版本)
一. 安装环境 Ubuntu16.04.3 LST GPU: GeForce GTX1070 Python: 3.5 CUDA Toolkit 8.0 GA1 (Sept 2016) cuDNN v6 ...
在Windows10上运行TensorFlow Android Demo实例
最近一直想把自己训练的模型迁移到Android手机上,但入门的话肯定是要先学会把TensorFlow的Android Demo迁移到手机上,磕磕碰碰地,走了不少弯路,现在总结一下的.如有错误,请望指正 ...
linux上运行gfortran,linux – gfortran：在64位系统中编译32位可执行文件
我在AMD Athlon(tm)64 X2双核处理器5200×2上运行Ubuntu 12.10(64位), Linux内核3.5.0-51通用.我有GNU Fortran(Ubuntu / Linar ...
python脚本在linux上运行的两种方式_python脚本当作Linux中的服务启动实现方法
脚本服务化目的: python 在文本处理中有着广泛的应用,为了满足文本数据的获取,会每天运行一些爬虫抓取数据.但是网上买的服务器会不定时进行维护,服务器会被重启.这样我们的爬虫服务就无法运行.这个 ...
TPU和GPU跑模型时间统计(持续更新中)以及TPU Research Cloud的申请
下面记录的训练时间就是所有数据开始训练到生成模型为止的时间,代码中都不包含交叉验证等策略. 已经尝试过的实验如下: 框架数据集代码加速设备平台耗时 ResNet cifar10 TPU运行C ...
pycharm运行时出现错误解决方法（持续更新中）
1."unindent does not match any outer indentation level" 表示没有缩进,要缩进,复制黏贴代码的话要重新敲.缩进一遍 2.pyc ...

keras上运行Tensorflow-gpu的艰难历程（最新版,更新中）