cuDNN初始化失败求助：TensorFlow GPU运行卷积算法报错

我之前在部署TensorFlow GPU项目时也碰到过一模一样的报错，结合你的硬件（GTX 1070 Ti）和软件环境（Python 3.6、TF 1.15、CUDA 10、cuDNN 7.4），给你几个针对性的排查和修复步骤：

• 确认CUDA与cuDNN的文件部署和环境变量
  TF 1.15确实和CUDA 10.0、cuDNN 7.4兼容，但要确保cuDNN的文件正确复制到CUDA目录：

  • Windows：把cuDNN压缩包里的bin、include、lib/x64下的文件，分别复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0对应的子目录中
  • Linux：复制到/usr/local/cuda-10.0的对应子目录
    同时检查系统环境变量：CUDA_PATH要指向CUDA 10.0的安装目录，PATH里要包含CUDA_PATH/bin和cuDNN的bin路径。

• 检查GPU驱动版本兼容性
  CUDA 10.0要求GPU驱动版本至少为410.48，GTX 1070 Ti建议使用418.x或430.x系列的驱动（太新的驱动可能和旧版CUDA不兼容）。可以通过NVIDIA控制面板或官网下载对应版本的驱动重新安装。

• 释放GPU内存或设置显存动态增长
  很多时候报错是因为GPU内存被其他程序（比如浏览器硬件加速、其他GPU应用）占用了：

  1. 用nvidia-smi（Linux）或任务管理器（Windows）查看GPU内存使用率，关闭所有占用GPU的程序
  2. 在TensorFlow代码开头添加显存动态增长配置，避免一次性占满显存：

     import tensorflow as tf
     config = tf.ConfigProto()
     config.gpu_options.allow_growth = True
     sess = tf.Session(config=config)
     

     如果是用Keras，需要把配置传入后端：

     from keras.backend.tensorflow_backend import set_session
     import tensorflow as tf
     config = tf.ConfigProto()
     config.gpu_options.allow_growth = True
     set_session(tf.Session(config=config))
     

• 排查conda环境的依赖冲突
  即使重新安装了环境，也可能存在依赖冲突：

  • 用conda list检查是否同时安装了tensorflow和tensorflow-gpu，确保只保留tensorflow-gpu=1.15
  • 重新指定CUDA和cuDNN版本安装：

    conda install cudatoolkit=10.0 cudnn=7.4 -y
    

• 验证CUDA基础功能是否正常
  运行CUDA自带的deviceQuery示例程序：

  • Windows：在C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\extras\demo_suite找到deviceQuery.exe运行
  • Linux：编译并运行/usr/local/cuda-10.0/samples/1_Utilities/deviceQuery
    如果程序能正确识别GTX 1070 Ti并输出设备信息，说明CUDA安装没问题；如果失败，需要重新安装CUDA。

• 限制显存占用比例
  如果上述方法都无效，可以尝试强制限制TensorFlow使用的显存比例：

  config.gpu_options.per_process_gpu_memory_fraction = 0.7  # 仅使用70%的GPU显存
  

内容的提问来源于stack exchange，提问作者Blacky_99