如何解决UnknownError: Graph execution error？Keras/TensorFlow环境报错求助

1. 核对CUDA与TensorFlow版本兼容性 #

TensorFlow 2.14官方要求搭配CUDA 11.8和CUDNN 8.6.0，先对照附图确认你的CUDA版本是否匹配：

• 版本不匹配时，直接卸载现有CUDA/CUDNN后重装对应版本：
  • 卸载命令：sudo apt-get purge nvidia*
  • 安装CUDA 11.8：严格遵循NVIDIA官方步骤，避免安装最新版
  • 安装CUDNN 8.6.0：解压后将文件复制到CUDA对应目录

2. 验证GPU环境是否正确识别 #

运行以下代码确认TensorFlow与GPU的连接状态：

import tensorflow as tf
print(tf.config.list_physical_devices('GPU'))
print(tf.test.is_built_with_cuda())

• 若输出为空或is_built_with_cuda返回False，需修复环境配置：
  • 配置环境变量：export LD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64:$LD_LIBRARY_PATH
  • 重启终端或重新加载环境变量后再次测试

3. 排查代码中的潜在问题 #

针对你提供的训练代码，重点检查以下几点：

• 输入数据维度匹配：确认模型输入形状与训练数据的维度完全一致
• 数据类型统一：将训练数据转为TensorFlow默认的float32类型：x_train = x_train.astype('float32')
• 简化模型测试：先使用仅含一层Dense的极简模型验证是否能运行，逐步添加层定位问题
• 切换执行模式测试：临时关闭Eager Execution排查图模式下的问题：

tf.compat.v1.disable_eager_execution()

4. 修复系统依赖与环境 #

• 重装TensorFlow确保依赖完整：
  • pip uninstall tensorflow keras -y
  • pip install tensorflow==2.14.0 keras==2.14.0
• 检查NVIDIA驱动版本：CUDA 11.8要求驱动≥450.80.02，运行nvidia-smi查看版本，过低则升级驱动

内容的提问来源于stack exchange，提问作者robintux