Python 无法在tensorflow GPU上使用GPU:“无法创建cudnn句柄:cudnn\U状态\U内部\U错误” 我的问题摘要

Python 无法在tensorflow GPU上使用GPU:“无法创建cudnn句柄:cudnn\U状态\U内部\U错误” 我的问题摘要,python,tensorflow,gpu,cudnn,Python,Tensorflow,Gpu,Cudnn,当我使用tensorflow gpu执行代码时,我得到了一个错误作为标题。这个错误发生在每个包含卷积层的代码中 环境 Ubuntu 18.04 Python 3.7.1 tensorflow gpu 1.13.1 CUDA 10.1 CuDNN 7.4.2 关于GPU的细节 +---------------------------------------+ |NVIDIA-SMI 418.43驱动程序版本:418.43 CUDA版本:10.1| |----------------+-------

当我使用tensorflow gpu执行代码时,我得到了一个错误作为标题。这个错误发生在每个包含卷积层的代码中

环境 Ubuntu 18.04 Python 3.7.1 tensorflow gpu 1.13.1 CUDA 10.1 CuDNN 7.4.2 关于GPU的细节 +---------------------------------------+ |NVIDIA-SMI 418.43驱动程序版本:418.43 CUDA版本:10.1| |----------------+-----------+-----------+ |GPU名称持久化-M |总线Id显示A |易失性解聚。ECC| |风扇温度性能Pwr:使用率/上限|内存使用率| GPU Util Compute M| |===============================+======================+======================| |0 GeForce RTX 2080关闭| 00000000:01:00.0打开|不适用| |0%46C P8 21W/215W | 568MB/7949MiB | 1%默认值| +----------------+-----------+-----------+ +---------------------------------------+ |进程:GPU内存| |GPU PID类型进程名称用法| |=============================================================================| |0 1733 G/usr/lib/xorg/xorg 18MiB| |0 1771 G/usr/bin/gnome shell 57MiB| |02698 G/usr/lib/xorg/xorg 175MiB| |0 2813 G/usr/bin/gnome外壳168MiB| |0 3339 G…uest通道令牌=1170333986562712743 76MiB| |0 8579 G/proc/self/exe 67MiB| +---------------------------------------+ PATH=/usr/local/sbin:/usr/local/bin:/usr/sbin:/usr/bin:/sbin:/bin:/usr/games:/usr/local/games:/snap/bin:/usr/local/cuda-10.0/bin CUDA_路径=/usr/local/CUDA-10.0 LD_LIBRARY_PATH=/usr/local/sbin:/usr/local/bin:/usr/sbin:/usr/bin:/sbin:/usr/games:/usr/local/games:/snap/bin:/usr/local/cuda-10.0/lib64 导出LD_库路径=/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64:$LD_库路径 导出路径=/usr/local/cuda/bin:$PATH 整个错误消息 它说无法创建cudnn句柄:cudnn_STATUS_INTERNAL_ERROR,所以我估计这是由cudnn引起的。我尝试了一些方法,例如sudo rm-rf~/.nv/in和config.gpu_options.allow_growth=True in,但我无法解决

请告诉我这个问题的解决办法

谢谢。

试试这段代码

physical_devices = tf.config.experimental.list_physical_devices('GPU')
tf.config.experimental.set_memory_growth(physical_devices[0], True)

它对我有效

如果您尝试按照链接中的说明验证CUDA安装,是否会出现任何错误?此外,我还发现了tensorflow gpu 1.13.1和CUDA 10.1的相关问题。也许可以尝试升级你的tensorflow gpu包。谢谢你的评论。我试过了,但在“制作”样本时没有出现错误,我试过tensorflow gpu 1.14和2.0b2,但得到了相同的错误。
physical_devices = tf.config.experimental.list_physical_devices('GPU')
tf.config.experimental.set_memory_growth(physical_devices[0], True)