在跑可变形卷积时，在tensorflow2.4出现许多错误

在跑可变形卷积时，在tensorflow2.4出现许多错误，记录一下。

1.错误
AttributeError: ‘module’ object has no attribute ‘ceil’
解决方法：
参考链接
tensorflow2.3+keras2.4.3

2.错误
NotImplementedError: Cannot convert a symbolic Tensor (conv12_offset/meshgrid/Size:0) to a numpy array. This error may indicate that you’re trying to pass a Tensor to a NumPy call, which is not supported

解决方法：
参考链接
更换numpy版本为：numpy1.19.2

3.错误
仍然报错：

解决方法：
tensorflow1.15+keras2.3.1+numpy1.16.0
注意：安装完以后，检测tensorflow为2.0版本，所以重新卸载安装！！！
通过如下方式安装（但是下载速度很慢）

conda install tensorflow-gpu==1.15

仍然报错：

解决方法：
tensorflow1.15+keras2.3.1+numpy1.16.0

4.错误

显存不足，添加如下（参考链接：tensorflow.python.framework.errors_impl.InternalError: Blas GEMM launch failed问题解决思路之一）

gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=0.333)
sess = tf.Session(config=tf.ConfigProto(gpu_options=gpu_options))

然后重启，但还是没用！！！！
还是一样的错误，在添加另外一种（参考链接：ubuntu18 下 tensoflow-gpu 2.0 卷积报错：Failed to get convolution algorithm.），如下

physical_devices = tf.config.experimental.list_physical_devices('GPU')
assert len(physical_devices) > 0, "Not enough GPU hardware devices available"
tf.config.experimental.set_memory_growth(physical_devices[0], True)

注意：不要认为到这里就结束了，这是一个漫长的等待过程，需要等10分钟左右！！！

等待之后，继续运行…
又是等待的过程，大致15分钟左右！！！

还是报错

然后我把原先的bach-size=2改称bach-size=1（参考链接：data数据集上模型刚启动就报错【Successfully opened dynamic library lib cublas.so.11 Killed】），再次实验，可以往下运行

接着，又有错误

AttributeError: 'bytes' object has no attribute 'encode'

解决方法：
将

original_keras_version = f.attrs['keras_version'].encode('utf-8').decode('utf-8') 

改为

original_keras_version = f.attrs['keras_version'].decode('utf-8') 

再重新运行…
又报错，再修改
再重新运行…没有报错

5.错误
将bach-size=1再改为bach-size=2，则出现报错，

解决方法：
参考链接: TensorFlow:Blas GEMM启动失败
安装完python2.7的虚拟环境后，tensorflow-gpu==1.15.0安装失败；

所以，又换种方法，
第一种，将saving.py文件中报错的地方的decode('utf8')前加encode('utf8')，

... ...
original_keras_version = f.attrs['keras_version'].decode('utf8')
... ...
original_backend = f.attrs['backend'].decode('utf8')
... ...

改成

... ...
original_keras_version = f.attrs['keras_version'].encode('utf8').decode('utf8')
... ...
original_backend = f.attrs['backend'].encode('utf8').decode('utf8')
... ...

但是实验失败，
第二种，将saving.py文件中报错的地方的decode('utf8')删除，

... ...
original_keras_version = f.attrs['keras_version'].decode('utf8')
... ...
original_backend = f.attrs['backend'].decode('utf8')
... ...

改成

... ...
original_keras_version = f.attrs['keras_version']
... ...
original_backend = f.attrs['backend']
... ...

实验成功，没有报错。

但是如果还是把batch-size=1换成batch-size=2，还是报错，所以暂时先用batch-size=1