Tensorflow-GPU 训练时出现报错信息:Could not create cudnn handle: CUDNN_STATUS_NOT_INITIALIZED

GPU 版本训练，程序刚启动时，可能会出现下面的错误信息：

• Could not create cudnn handle: CUDNN_STATUS_NOT_INITIALIZED

• Failed to get convolution algorithm. This is probably because cuDNN failed to initialize.so try looking to see if a warning log message was printed above

解决方案：

• 首先请确保安装的 CUDA、Cudnn、Tensorflow-gou 版本一致兼容性，关于各版本对应需安装的版本情况，可以查看这篇博文：tensorflow各个版本的CUDA以及Cudnn版本对应关系；此处一个小建议：不要安装的 CUDA 版本太高，9.0、10.0的就可以，安装tensorflow-gpu是不要用conda 命令，要用 pip 命令，conda 安装的话会捆绑一个对应不兼容 CUDA版本

---

• 在安装版本没有问题的情况下，导致报错的原因就是内存不足的原因，可以在在代码开始部分加入几行控制 GPU 内存消耗的命令，如下；

  参考链接： https://github.com/tensorflow/tensorflow/issues/28326

import keras
import tensorflow as tf

config = tf.ConfigProto(allow_soft_placement=True)
config.gpu_options.allow_growth = True
config.gpu_options.per_process_gpu_memory_fraction = 0.7
keras.backend.tensorflow_backend.set_session(tf.Session(config=config))

• per_process_gpu_memory_fraction = 0.7 ，0.7表示 GPU 内存消耗最大占比，不要设置过高，0.7、0.8即可；
• allow_soft_placement=True，当 训练时 GPU 内存消耗不足或者冲突是，程序自行对内存进行分配；不足或者冲突是，程序自行对内存进行分配；