tensorflow2踩坑记录

使用tensorflow2过程中常常会出现一些莫名其妙的错误，百度一般也很难找到答案，现记录我使用过程中遇到的一些报错，慢更~

1. module ‘tensorflow’ has no attribute ‘compat’

出现 module ‘tensorflow’ has no attribute ‘compat’

错误原因：tensorflow-gpu版本跟tensorflow-estimator版本不匹配，比如我的tensorflow-gpu版本是2.0.0，但tensorflow-estimator是2.2.0（有可能显示的是2.0.0，但是在程序运行时还是会报错）

解决方案：

先在anaconda prompt中输入conda list，查看tensorflow-estimator的版本，我的tensorflow-gpu是2.0.0，但是tensorflow-estimator是2.2.0的版本，所以会报错误。

需要重新安装 tensorflow-estimator，使用 pip 命令，不要使用 conda 命令，如果使用 conda 命令的话所有的 tensorflow 相关的包都会被卸载掉

先删除电脑上已经安装好的tensorflow-estimator版本，输入：

pip uninstall tensorflow-estimator

然后执行：

pip install tensorflow-estimator==2.0.0
pip install tensorflow-gpu=2.0.0

问题解决！

2. tensorflow.python.framework.errors_impl.InternalError: Blas GEMV launch failed: m=2, n=10 [Op:MatMul] name: MatMul/

错误原因：

• 经过查找相关资料和自己试验，发现这可能和GPU的内存分配有关系；因为默认情况下在代码中使用GPU时，有把内存占满的趋势；即使有时候计算的数据量并不足以占用整个GPU。
• 所以，我们的思路之一就是对GPU的使用模式进行设置，如下面的代码所示，我们将GPU设置为memory_growth模式，它的意思是此时我们需要多少GPU内存就使用多少，不会过多占用。

问题解决：在你的代码中添加如下代码

## 列出你所有的物理GPU
gpus = tf.config.experimental.list_physical_devices('GPU')
tf.config.experimental.set_memory_growth(gpus[0], True)

如果你有多个GPU，那么你也可以将所有的GPU都设置成这个模式，如下面代码所示。

for gpu in gpus:
    tf.config.experimental.set_memory_growth(gpu, True)

问题解决！