古老的tensorflow项目移植的坑

简介

我只想说用tensorflow搞好的老项目，没事！！！千万！！！别动它的环境！
事情是这样的，本来这个服务是部署在我们本地服务器的。
但是甲方由于各种原因（速度和安全）要把这个用tensorflow写的计算接口移植到甲方服务器上。
我本来以为把docker直接打包个镜像就过去了，但是事实告诉我你想多了！

灾难来了

由于项目比较古老（之前还有用caffe做的），我本地服务器配置如下：

Cuda:9.0
Cudnn:7.5
python:3.6
tensorflow:1.10-gpu
显卡：1080ti

甲方让我给配置单，不出意外的情况下出意外了，我特意强调一定30以下的显卡结果买的是3080ti，哎无语！！！！那咋整干吧！所以遇到了一下问题：

1. 由于30以上的显卡采用了全新的架构所以最低cuda版本为11（30以下显卡是老架构）。
2. cuda11以上这就导致了必须使用tensorflow2.5以上，众所周知tensorflowv1和v2简直就是两个东西！
3. 最致命的来了tensorflow2.5以上不仅pyhon3.9并且keras要用最新的！

我本着侥幸心理将打包好的docker镜像加载之后，果不其然因为虽然是虚拟环境，但是用的还是主机显卡，所以cuda9装好了也是缺少各种东西不能调用！。
于是老老实实的重新建立docker容器，环境如下：

Cuda:11.0
Cudnn:8.5
python:3.9
tensorflow:2.5-gpu
显卡：3080ti

看起来是不是十分完美，但是代码运行报错。
在我不断地修改下，发现错误的源头居然是keras！！！，回想起来当时项目还是在tensorflow最牛逼的时候，当时tensorflow-keras配合起来就是王炸！
由于维护的问题模型加载有个东西是用了keras2.0.8才有这个功能，此刻我已经要死了！keras2.0.8必须要用tf1.10左右的版本！
搞了三天最终得出结论这是死结，没法破！
最后找到了一个tensorflow1.15版本，这个版本是维护的最后一个版本，同时也做了很多兼容可以用keras2.0.8，但是显卡就是用不了，无奈和甲方沟通，最后用cpu版本，测试下来速度大差不差（任务简单），就这样的解决了。

总结

对于古老的tensorflow项目，千万别动，如果要动一定注意显卡版本，对于代码用老框架的可以用tensorflow1.15版本，这是做了最后优化兼容的版本，如果这个不行那么就别挣扎了。如果纯tensorflow代码可以用工具直接转化新版本，但是如果和keras搭配使用，那么只能祝你好运，大概率要重构模型了哈哈哈哈！