“神经网络Python错误”；无法获取卷积算法“；

我正在尝试用Python运行一些神经网络代码。我让它在Google Colab上正常工作。然后我将代码移动到远程机器GPU上的Jupyter笔记本上

它运行正常，直到我尝试使用以下方法拟合模型：

history = model.fit_generator(generator=training_generator, validation_data=validation_generator, use_multiprocessing=True, workers=1, epochs=100, shuffle=True, verbose=1)

下面是完整的错误消息。我只是不知道从哪里开始理解它的意思，所以我正在寻求帮助。提前感谢：

UnknownError                              Traceback (most recent call last)
<ipython-input-15-d3d33225fec8> in <module>
      1 # Train model on dataset
----> 2 history = model.fit_generator(generator=training_generator, validation_data=validation_generator, use_multiprocessing=True, workers=1, epochs=100, shuffle=True, verbose=1)

~/miniconda3/lib/python3.7/site-packages/keras/legacy/interfaces.py in wrapper(*args, **kwargs)
     89                 warnings.warn('Update your `' + object_name + '` call to the ' +
     90                               'Keras 2 API: ' + signature, stacklevel=2)
---> 91             return func(*args, **kwargs)
     92         wrapper._original_function = func
     93         return wrapper

~/miniconda3/lib/python3.7/site-packages/keras/engine/training.py in fit_generator(self, generator, steps_per_epoch, epochs, verbose, callbacks, validation_data, validation_steps, class_weight, max_queue_size, workers, use_multiprocessing, shuffle, initial_epoch)
   1416             use_multiprocessing=use_multiprocessing,
   1417             shuffle=shuffle,
-> 1418             initial_epoch=initial_epoch)
   1419 
   1420     @interfaces.legacy_generator_methods_support

~/miniconda3/lib/python3.7/site-packages/keras/engine/training_generator.py in fit_generator(model, generator, steps_per_epoch, epochs, verbose, callbacks, validation_data, validation_steps, class_weight, max_queue_size, workers, use_multiprocessing, shuffle, initial_epoch)
    215                 outs = model.train_on_batch(x, y,
    216                                             sample_weight=sample_weight,
--> 217                                             class_weight=class_weight)
    218 
    219                 outs = to_list(outs)

~/miniconda3/lib/python3.7/site-packages/keras/engine/training.py in train_on_batch(self, x, y, sample_weight, class_weight)
   1215             ins = x + y + sample_weights
   1216         self._make_train_function()
-> 1217         outputs = self.train_function(ins)
   1218         return unpack_singleton(outputs)
   1219 

~/miniconda3/lib/python3.7/site-packages/keras/backend/tensorflow_backend.py in __call__(self, inputs)
   2713                 return self._legacy_call(inputs)
   2714 
-> 2715             return self._call(inputs)
   2716         else:
   2717             if py_any(is_tensor(x) for x in inputs):

~/miniconda3/lib/python3.7/site-packages/keras/backend/tensorflow_backend.py in _call(self, inputs)
   2673             fetched = self._callable_fn(*array_vals, run_metadata=self.run_metadata)
   2674         else:
-> 2675             fetched = self._callable_fn(*array_vals)
   2676         return fetched[:len(self.outputs)]
   2677 

~/miniconda3/lib/python3.7/site-packages/tensorflow/python/client/session.py in __call__(self, *args, **kwargs)
   1437           ret = tf_session.TF_SessionRunCallable(
   1438               self._session._session, self._handle, args, status,
-> 1439               run_metadata_ptr)
   1440         if run_metadata:
   1441           proto_data = tf_session.TF_GetBuffer(run_metadata_ptr)

~/miniconda3/lib/python3.7/site-packages/tensorflow/python/framework/errors_impl.py in __exit__(self, type_arg, value_arg, traceback_arg)
    526             None, None,
    527             compat.as_text(c_api.TF_Message(self.status.status)),
--> 528             c_api.TF_GetCode(self.status.status))
    529     # Delete the underlying status object from memory otherwise it stays alive
    530     # as there is a reference to status from this from the traceback due to

UnknownError: 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.
     [[{{node conv2d_1/convolution}}]]
     [[{{node metrics/acc/Mean}}]]

UnknownError回溯（最近一次调用）
在里面
1#数据集上的列车模型
---->2历史记录=模型。拟合生成器（生成器=培训生成器，验证数据=验证生成器，使用多处理=True，工人=1，纪元=100，随机播放=True，详细信息=1）
包装中的~/miniconda3/lib/python3.7/site-packages/keras/legacy/interfaces.py（*args，**kwargs）
89 warnings.warn（'Update your`'+object\u name+'`调用+
90'Keras 2 API:'+签名，堆栈级别=2）
--->91返回函数（*args，**kwargs）
92包装器._原始函数=func
93返回包装器
~/miniconda3/lib/python3.7/site-packages/keras/engine/training.py-in-fit\u生成器（self、生成器、每个历元的步骤、历元、冗余、回调、验证数据、验证步骤、类权重、最大队列大小、工作者、使用多处理、无序、初始历元）
1416使用多处理=使用多处理，
1417洗牌=洗牌，
->1418初始_历元=初始_历元）
1419
1420@interfaces.legacy\u生成器\u方法\u支持
~/miniconda3/lib/python3.7/site-packages/keras/engine/training\u generator.py in-fit\u generator（模型、生成器、每个历元的步骤、历元、冗余、回调、验证数据、验证步骤、类权重、最大队列大小、工作者、使用多处理、无序、初始历元）
215个输出=批量生产的型号（x，y，
216样品重量=样品重量，
-->217级重量=级重量）
218
219 outs=待办名单（outs）
~/miniconda3/lib/python3.7/site-packages/keras/engine/training.py批量生产（自身、x、y、样品重量、等级重量）
1215英寸=x+y+样本重量
1216自我制造训练功能（）
->1217输出=自列车功能（ins）
1218返回解包单例（输出）
1219
~/miniconda3/lib/python3.7/site-packages/keras/backend/tensorflow\u backend.py in\uuuu\u调用（self，输入）
2713返回自。\u传统\u调用（输入）
2714
->2715返回自调用（输入）
2716其他：
2717如果py_有（输入中x的张量为x）：
调用中的~/miniconda3/lib/python3.7/site-packages/keras/backend/tensorflow\u backend.py（self，输入）
2673 fetched=self.\u callable\u fn（*array\u vals，run\u metadata=self.run\u metadata）
2674其他：
->2675 fetched=self.\u callable\u fn（*array\u vals）
2676获取的返回[：len（自输出）]
2677
~/miniconda3/lib/python3.7/site-packages/tensorflow/python/client/session.py在调用中（self，*args，**kwargs）
1437 ret=tf_session.tf_SessionRunCallable(
1438 self.\u session.\u session，self.\u handle，args，status，
->1439运行（元数据）
1440如果运行\u元数据：
1441 proto_data=tf_session.tf_GetBuffer（run_metadata_ptr）
~/miniconda3/lib/python3.7/site-packages/tensorflow/python/framework/errors\u impl.py in\uuuuuuuu exit\uuuuuuuu（self，type\u arg，value\u arg，traceback\u arg）
526没有，没有，
527兼容as_文本（c_api.TF_消息（self.status.status）），
-->528 c_api.TF_GetCode（self.status.status））
529#从内存中删除基础状态对象，否则它将保持活动状态
530#由于以下原因，在回溯中有一个状态参考：
未知错误：获取卷积算法失败。这可能是因为cuDNN未能初始化，所以请尝试查看上面是否打印了警告日志消息。
[{{node conv2d_1/卷积}]]
[{{node metrics/acc/Mean}}]]

正如@thushv89所说，这是TF二进制文件与已安装的CUDNN版本的兼容性问题

您可以使用以下方法检查tensorflow版本：

python -c 'import tensorflow as tf; print(tf.__version__);'

然后在此处检查所需的CUDA/CUDNN版本：

注：所示CUDA/CUDNN版本仅与TF的正式发行相关。对于康达来说，应该有更好的方法来处理它

然后您可以检查您的CUDA版本：

nvcc --version

然后使用以下选项之一检查您的CUDNN版本：

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

---

每当CUDNN与CUDA版本不兼容时，我都会看到此错误。您是否检查过您的CUDNN、CUDA和驱动程序是否兼容？我不知道如何兼容-但感谢您给我一个开始的位置：）此页面可能有用。但可能需要一些尝试和错误