深度学习GPU训练中常见的问题

1.optimization_pass.cc:185] None of the MLIR Optimization Passes are enabled (registered 2)

这个问题一般不会影响训练，主要原因是显存不足

解决方法也很简单，1.修改batch_size的大小 2.将数据不要一次加载完，每循环一次加载一次数据。

2. ‘dtensor’报错

 ‘dtensor’报错也特别常见，问题原因是keras版本比tensorflow高造成的

首先在终端查看           pip show keras                  pip show tensorflow

将keras版本和tensorflow统一就可以。

3.failed call to cuInit: CUDA_ERROR_NO_DEVICE: no CUDA-capable device is detected

这个问题首先要确保cuda 和 cuDNN安装没有问题时（显卡的问题），在开头添加如下代码

import tensorflow as tf

config = tf.compat.v1.ConfigProto()
config.gpu_options.allow_growth = True
session = tf.compat.v1.InteractiveSession(config=config)

4.运行时‘cudart64_110.dll‘等文件确实造成的错

这类问题一般都是版本问题造成的，首先在cuda根路径下（一般都是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1\bin）搜索这几个文件的前缀，不要加版本，一般都可以搜到，将文件名改成报错信息需要的版本即可。

要是路径下找不到文件，可借助小工具everything全盘搜索，一般conda目录下会有，拷贝到bin目录下就好了。宗旨就是要啥找啥，版本不一样要什么版本就改成什么版本。