Tensorflow我曾出现的问题、pip更新tf版本

Tensorflow我曾出现的问题

（1）build输入层并非必须手动添加，如果没有，运行model.fit时会自动build

model.build(input_shape=(batch_size, X, X))                   

（2）cuda、cudnn错误

在确定自己tensorflow、cuda、cudnn版本没问题后，这种问题只能是显存资源的分配问题导致的。
tensorflow有两种显存分配方式：
1）仅在需要时申请显存空间（程序初始运行时消耗很少的显存，随着程序的运行而动态申请显存）；
2）限制消耗固定大小的显存（程序不会超出限定的显存大小，若超出的报错）。
而默认是第二种！！所以我们通过下面的代码吧显存分配方式改成第一种就可以了！

import tensorflow as tf
gpus = tf.config.experimental.list_physical_devices('GPU')
for gpu in gpus:
    tf.config.experimental.set_memory_growth(gpu, True)

（3）keras数据集自行下载及Tensorflow代码实现–以Cifar-10为例

https://blog.csdn.net/qq_42647903/article/details/103923007
一、百度下载压缩包cifar-10-python.tar.gz
二、将下载的压缩包放到，C:\Users{你的用户名}.keras\datasets里面去
三、你会发现里面已经有一个cifar10的压缩包，这就是你运行程序时下载的部分文件，把它删除
四、把你下载cifar-10-python.tar.gz名字改为 cifar-10-batches-py.zip
五、不需要解压压缩包，也不需要更改代码，再运行你的程序，load_data不需要从网上下载了，而且会自动解压，生成文件夹cifar-10-batches-py。
六、可以愉快的训练了。

import tensorflow as tf
from tensorflow.keras import datasets, layers, optimizers, Sequential, metrics
from tensorflow import keras
# 加载数据
(x, y), (x_val, y_val) = datasets.cifar10.load_data()

（4）想看tensorflow自带的层的激活函数，可以点进层的代码里面看。而且还有很多其他细节可以看到，包括使用方法和参数说明

---

pip管理更新库的使用

国内资源库加速：
可以在使用pip的时候加上-i https://pypi.tuna.tsinghua.edu.cn/simple
例如：pip install TensorFlow -i https://pypi.tuna.tsinghua.edu.cn/simple，这样就会从清华这边的镜像去下载安装TensorFlow库。