使用GPU 训练DeepSpeech tensorflow遇到的问题

在训练DeepSpeech时steps增长速度很慢，使用nvidia-smi命令查看， 发现GPU内存几乎没用，用的全部CPU. 买的是新的显卡RTX3060, 这个显卡采用的最新的ampere架构， CUDA必须是11.x， cuDNN必须是8.x。然而deepspeech 仍用tensorflow==1.15.4，google官方没有对应的cuda, cudnn的版本， 出现下面错误。

tensorflow.python.framework.errors_impl.InvalidArgumentError: No OpKernel was registered to support Op 'CudnnRNNCanonicalToParams' used by node tower_0/cudnn_lstm/cudnn_lstm/CudnnRNNCanonicalToParams with these attrs: [dropout=0, seed=4568, num_params=8, input_mode="linear_input", T=DT_FLOAT, direction="unidirectional", rnn_mode="lstm", seed2=249]
Registered devices: [CPU, XLA_CPU, XLA_GPU]
Registered kernels:
  device='GPU'; T in [DT_DOUBLE]
  device='GPU'; T in [DT_FLOAT]
  device='GPU'; T in [DT_HALF]

 后发现nvidia 有自己的tensorflow版本：

Accelerating TensorFlow on NVIDIA A100 GPUs | NVIDIA Developer Blog

安装后解决了问题。

显卡： NVIDIA-SMI 470.57.02    Driver Version: 470.57.02    CUDA Version: 11.4

pip：

nvidia-cublas           11.2.1.74
nvidia-cuda-cupti       11.1.69
nvidia-cuda-nvcc        11.1.74
nvidia-cuda-nvrtc       11.1.105
nvidia-cuda-runtime     11.1.74
nvidia-cudnn            8.0.4.30
nvidia-cufft            10.3.0.74
nvidia-curand           10.2.2.74
nvidia-cusolver         11.0.0.74
nvidia-cusparse         11.2.0.275
nvidia-dali-cuda110     0.27.0
nvidia-dali-nvtf-plugin 0.27.0+nv20.11
nvidia-nccl             2.8.2
nvidia-tensorboard      1.15.0+nv20.11
nvidia-tensorflow       1.15.4+nv20.11
nvidia-tensorrt         7.2.1.6