TensorFlow GPU张量拷贝报错Dst tensor is not initialized原因与解决咨询

该报错的核心原因是GPU显存不足，属于你提到的三类问题里的「运行内存不足」范畴，和磁盘空间不足、GPU被占用无关：

• 错误日志明确显示CPU向GPU拷贝张量时，目标侧张量无法完成初始化，本质是GPU剩余显存不足以容纳你要转换的data_z对应的张量体积
• 磁盘空间不足会触发IO读写相关报错，不会触发GPU张量拷贝失败
• GPU被占用通常会触发CUDA上下文初始化失败、设备无权限等报错，和当前报错特征不符

• 先执行nvidia-smi命令查看当前GPU显存占用情况，结束无用的GPU占用进程，释放空闲显存
• 给TensorFlow开启显存动态分配，避免框架预占用全部显存，在脚本最开头加入如下代码：

import tensorflow as tf
gpus = tf.config.list_physical_devices('GPU')
if gpus:
    try:
        for gpu in gpus:
            tf.config.experimental.set_memory_growth(gpu, True)
    except RuntimeError as e:
        print(e)

• 调小数据加载/训练的批量大小（batch size），降低单次加载到GPU的张量体积
• 优化数据加载逻辑，不要一次性将全量data_z读入内存并转换为GPU张量，改为分批加载、分批处理的逻辑
• 若无需GPU加速，可指定CPU运行脚本，执行命令改为：

CUDA_VISIBLE_DEVICES=-1 python3 *hyper*.py

内容的提问来源于stack exchange，提问作者user366312