Tensorflow-gpu 问题（CUDA 运行时错误：设备内核映像无效）答案

【问题标题】：Tensorflow-gpu issue (CUDA runtime error: device kernel image is invalid)Tensorflow-gpu 问题（CUDA 运行时错误：设备内核映像无效）
【发布时间】：2020-11-23 14:43:35
【问题描述】：

我有一个 python 虚拟环境 (conda)，我在其中安装了 CUDA 工具包 10.1.243 和 tensorflow-gpu 2.3.0rc0。我的 CUDA 驱动程序是 11.0。

为了测试 tensorflow 是否正确安装到 GPU，我从 venv 中运行了一系列命令：

tf.test.is_built_with_cuda()

是的

tf.config.list_physical_devices(‘GPU’)

找到具有以下属性的设备 0： pciBusID：0000:01:00.0 名称：Quadro M2000M 计算能力：5.0 [PhysicalDevice(name='/physical_device:GPU:0', device_type='GPU')]

python -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000,1000])))"

tensorflow.python.framework.errors_impl.InternalError：GPU:0 上的 CUDA 运行时隐式初始化失败。状态：设备内核映像无效

我不确定如何解决此问题。我感觉它与修改编译有关，以便 tensorflow 支持我的设备（5.0）的计算能力，但我不确定如何进行。谢谢！！

【问题讨论】：

标签： python tensorflow gpu nvidia

【解决方案1】：

我也遇到了同样的问题。我使用以下命令将 Tensorflow2.3 版本降级为 2.2。

pip install --upgrade tensorflow==2.2

现在可以运行了，但是速度很慢。

【讨论】：

【解决方案2】：

根据这个 github issue 的解释，谷歌 Tensorflow 工程团队已经放弃了对一些旧版本 GPU 的支持： https://github.com/tensorflow/tensorflow/issues/41990

我相信您的 GPU 属于那些较低版本的 GPU 系列。所以从 2.3 降级你的 TF。到2.2是一个解决方案。并且 TF 工程师建议我们自己构建 TF2.3 并更改其构建配置脚本以启用较低版本的 GPU 支持，但 Google TF 团队并未确认它可以工作，也没有责任解决我们将遇到的任何问题.

【讨论】：

我得到了 rtx 2080，很奇怪他们不支持这个设备。
@SidKaushik 是的，这很奇怪，但我终于通过将我的环境从 TF 切换到 pytorch 完全解决了这个问题，TF 确实是谷歌的一个失败的 SW 堆栈，至少它让我很沮丧很多次。

【解决方案3】：

我推荐pip install tensorflow-gpu==2.2

【讨论】：

也许添加更多解释来解释这如何回答问题？
我想说的不仅仅是pip install tensorflow==2.2使用pip install tensorflow-gpu==2.2