本想简单跑两个keras的demon，没想到上了tensorflow的贼船。。。
1、遇到ImportError: cannot import name ‘get_config’ from ‘tensorflow.python.eager.context’字面意思：get_config模块无法导入
内在逻辑和解决方案：keras版本不匹配。。。看运气能不能再网上遇到相同版本但是解决的好同志吧
2、遇到cuda_error_out_of_memory字面意思：cuda单元遇到超出储存的错误
吓死我了，养卡千日，用在一时，你告诉我显存不够？？之前学长跟我说他1050也能练？？？老黄狗贼nvidia官网的cuda算力表根本都不写新卡（除了高端卡），吓得我以为买了块空气？？？！！！不过报错很不对劲啊，一直缩显存缩到200多MB都申请不出来就离谱。。。
内在逻辑和解决方案：又是一通搜索，直到遇到了这个。
好家伙，tensorflow这浓眉大眼的家伙，竟然喜欢开场吃满显存（指提交大小，不一定全部使用，但是显存没有虚拟内存机制。。。），难怪我搞个线性回归都能吃3.8个G
解决方案就是在代码前加入以下代码
import os import tensorflow as tf os.environ["CUDA_VISIBLE_DEVICES"] = '0' #定位cuda设备为GPU0（需要根据情况修稿） config = tf.ConfigProto() config.gpu_options.per_process_gpu_memory_fraction = 0.5 #最大可申请显存比例 config.gpu_options.allow_growth = True #允许动态分配显存 sess = tf.Session(config=config)
不过这个解决方案就引出了下面这个问题3了。
3、遇到AttributeError: module ‘tensorflow’ has no attribute ‘Session’字面意思：tensorflow没有Session这个模块
内在逻辑和解决方案：参考这个链接
出现这个报错的原因是tensorflow的1.0和2.0系列版本差别很大，所以在用到1.0的模块时一定要使用
import tensorflow as tf tf.compat.v1.所需模块
因此回到问题2，最终解决方案就是添加这一段代码
import os import tensorflow as tf os.environ["CUDA_VISIBLE_DEVICES"] = '0' #定位cuda设备为GPU0（需要根据情况修稿） config = tf.compat.v1.ConfigProto() config.gpu_options.per_process_gpu_memory_fraction = 0.5 #最大可申请显存比例 config.gpu_options.allow_growth = True #允许动态分配显存 sess = tf.compat.v1.Session(config=config)
