Python 使用GPU和CUDA、cuDNN、Anaconda、RTX 3060 Ti运行Tensorflow/Keras

我第一次尝试使用我的新RTX 3060 Ti来训练神经网络，但遇到了一个困难的错误。以下是错误消息：

2020-12-17 12:45:09.600373: E tensorflow/stream_executor/cuda/cuda_blas.cc:428] failed to run cuBLAS routine: CUBLAS_STATUS_EXECUTION_FAILED
Traceback (most recent call last):
  File "marge.py", line 365, in <module>
    MARGE(*sys.argv[1:])
  File "marge.py", line 357, in MARGE
    filters, filt2um)
  File "lib\NN.py", line 712, in driver
    nn.train(train_batches, valid_batches, epochs, patience)
  File "lib\NN.py", line 335, in train
    model_checkpoint])
  File "C:\Users\Nick\anaconda3\envs\marge\lib\site-packages\keras\engine\training.py", line 1039, in fit
    validation_steps=validation_steps)
  File "C:\Users\Nick\anaconda3\envs\marge\lib\site-packages\keras\engine\training_arrays.py", line 154, in fit_loop
    outs = f(ins)
  File "C:\Users\Nick\anaconda3\envs\marge\lib\site-packages\keras\backend\tensorflow_backend.py", line 2715, in __call__
    return self._call(inputs)
  File "C:\Users\Nick\anaconda3\envs\marge\lib\site-packages\keras\backend\tensorflow_backend.py", line 2675, in _call
    fetched = self._callable_fn(*array_vals)
  File "C:\Users\Nick\anaconda3\envs\marge\lib\site-packages\tensorflow\python\client\session.py", line 1458, in __call__
    run_metadata_ptr)
tensorflow.python.framework.errors_impl.InternalError: 2 root error(s) found.
  (0) Internal: Blas GEMM launch failed : a.shape=(256, 7), b.shape=(7, 4096), m=256, n=4096, k=7
         [[{{node dense_1/MatMul}}]]
         [[loss/mul/_125]]
  (1) Internal: Blas GEMM launch failed : a.shape=(256, 7), b.shape=(7, 4096), m=256, n=4096, k=7
         [[{{node dense_1/MatMul}}]]
0 successful operations.
0 derived errors ignored.

我尝试过的事情：

<> LI> < P>安装Novidia版本的TysFooSoad，但命令<代码> PIP安装-用户英伟达PyCurdie和 PIP安装-用户Nvidia TunSoFale[ HOROVOD] 导致错误。
• 将以下内容添加到我的代码顶部：
  config=tf.ConfigProto（）
  config.gpu\u options.allow\u growth=True
  session=tf.session（config=config）

这也不起作用（“未能运行cuBLAS例程：cuBLAS_状态_执行_失败”），但我的GPU似乎已被识别：

2020-12-17 12:27:24.445007: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1640] Found device 0 with properties:
name: GeForce RTX 3060 Ti major: 8 minor: 6 memoryClockRate(GHz): 1.71
pciBusID: 0000:06:00.0
2020-12-17 12:27:24.445413: I tensorflow/stream_executor/platform/default/dlopen_checker_stub.cc:25] GPU libraries are statically linked, skip dlopen check.
2020-12-17 12:27:24.445639: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1763] Adding visible gpu devices: 0
2020-12-17 12:27:24.445772: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1181] Device interconnect StreamExecutor with strength 1 edge matrix:
2020-12-17 12:27:24.445881: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1187]      0
2020-12-17 12:27:24.445971: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1200] 0:   N
2020-12-17 12:27:24.446221: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1326] Created TensorFlow device (/job:localhost/replica:0/task:0/device:GPU:0 with 6712 MB memory) -> physical GPU (device: 0, name: GeForce RTX 3060 Ti, pci bus id: 0000:06:00.0, compute capability: 8.6)

RTX 3060 Ti是否可能不支持此用途

请让我知道，如果有任何额外的信息，我可以提供。提前感谢您的帮助

编辑： 我还尝试了的建议（回想起来，安装CUDA和cuDNN似乎很重要）。我还运行了以下命令：

tf.test.is_built_with_cuda()
tf.test.is_gpu_available(cuda_only=False, min_cuda_compute_capability=None)

---

两者都返回“True”。但是，我仍然收到“未能运行cuBLAS例程”错误。我还注意到，3060 Ti没有出现在与CUDA兼容的GPU的NVIDEA上，所以可能我只是运气不好…

我也遇到了一些困难，就像你在我的GPU上运行时遇到的一样。我记不太清楚，所以我恐怕帮不了什么忙

我看到您正在使用下面的TensorFlow的第二个版本。您必须为正在使用的TensorFlow 1.14安装正确的Cuda和cuDNN版本

以下是您应该尝试安装的所有链接：

• GPU的驱动程序：
• 正确的CUDA版本：
• 正确的cuDNN版本（您需要创建一个帐户，但下载7.4版本）：

---

我希望这能起作用，如果能起作用，请告诉我，祝你好运

谢谢你的回复。我开始认为我的问题可能与我安装的软件版本有关。我在别处读到（）我需要安装TF2.4，所以我已经这样做了。从reddit线程来看，TF 2.4/3000系列卡需要CUDA 11.0，而我安装了CUDA 11.1。下一步我将尝试降级我的CUDA安装。

tf.test.is_built_with_cuda()
tf.test.is_gpu_available(cuda_only=False, min_cuda_compute_capability=None)