这是因为TensorFlow 2.x系列（包括你用的2.0.0-alpha0预览版）已经移除了单独的CuDNNLSTM层，官方把CuDNN的GPU优化逻辑直接整合到了标准的LSTM层中。原来TF1.x里需要手动切换CuDNNLSTM的逻辑，在TF2.x里已经自动化了。

你可以按照以下步骤处理：

• 直接使用标准tf.keras.layers.LSTM即可：当你的环境满足GPU运行条件（NVIDIA GPU + 对应版本的CUDA、CuDNN），TensorFlow会自动调用CuDNN优化的实现，不需要手动指定CuDNNLSTM。之前收到的性能警告是TF1.x的遗留提示，在TF2.0里已经不适用了。
• 验证优化是否生效：你可以通过查看模型构建后的层信息，或者监控GPU使用率来确认。比如运行模型训练时，用nvidia-smi命令查看GPU的负载，如果负载正常上升，说明已经在使用GPU加速。
• 确认环境兼容性：确保你的CUDA和CuDNN版本和TensorFlow 2.0.0-alpha0匹配（当时官方推荐CUDA 10.0、CuDNN 7.4左右），如果版本不兼容，可能会导致无法启用CuDNN优化。

另外，你的Keras版本是2.2.4-tf，这是TensorFlow内置的Keras实现，完全不需要单独安装Keras，直接使用tf.keras下的API就可以了。

内容的提问来源于stack exchange，提问作者evaleria