MobNetV2手语检测训练报错求助（TensorFlow2.9.1+CUDA10.1环境）

核心问题定位 #

从报错信息来看，有两个关键问题：

1. CUDA libdevice路径未找到：反复提示error: Can't find libdevice directory ${CUDA_DIR}/nvvm/libdevice，说明TensorFlow无法定位CUDA的核心库文件，环境变量配置有误。
2. 版本不兼容导致JIT编译失败：你的环境组合（TensorFlow2.9.1 + Python3.11 + CUDA10.1）不符合官方兼容要求，引发后续图执行错误。

具体解决步骤 #

1. 修复CUDA环境变量（临时应急方案） #

• 找到CUDA10.1的安装目录（默认路径：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1）
• 配置系统环境变量：
  • 添加CUDA_DIR变量，值为上述安装路径
  • 将%CUDA_DIR%\nvvm\libdevice添加到PATH环境变量中
  • 确认CUDA_PATH变量已指向CUDA10.1目录
• 重启终端或IDE，重新执行训练命令

2. 切换到官方兼容版本（推荐根治方案） #

TensorFlow2.9.1官方指定的兼容环境：

• Python：3.7 ~ 3.10（不支持3.11）
• CUDA：11.2
• cuDNN：8.1.0

操作流程：

• 卸载当前Python3.11，安装Python3.9/3.10
• 卸载CUDA10.1和cuDNN7.6.5，安装CUDA11.2及对应cuDNN8.1.0
• 重新安装TensorFlow2.9.1：pip install tensorflow==2.9.1
• 验证GPU可用性：运行以下代码

import tensorflow as tf
print(tf.test.is_gpu_available())

输出True则说明环境配置正常

3. 临时禁用JIT编译（快速绕过） #

如果暂时无法调整版本，可在训练脚本开头添加代码禁用JIT编译：

import tensorflow as tf
tf.config.optimizer.set_jit(False)

内容的提问来源于stack exchange，提问作者PRAAVIN RAJ