安装cuDNN后TensorFlow初始化Sequential报错no allocator statistics

故障解决方案 #

核心原因 #

该No allocator statistics错误为TensorFlow、CUDA、cuDNN三者版本不匹配，或是CUDA异步内存分配器适配问题导致，你的GTX 1060 6GB硬件本身支持CUDA 11.x版本，可排除硬件兼容问题。

修复步骤 #

• 对齐版本匹配关系：你使用的CUDA 11.2必须搭配cuDNN 8.1.x版本，同时TensorFlow版本需要落在2.6.x~2.8.x区间。执行pip show tensorflow查看当前TF版本，若不符合要求先卸载现有版本：pip uninstall -y tensorflow，再安装适配版本，例如：pip install tensorflow==2.8.0。
• 关闭CUDA异步内存分配器：在Python代码最开头添加如下配置，强制使用同步分配器规避适配错误：

import os
os.environ['TF_GPU_ALLOCATOR'] = 'cuda_malloc'
import tensorflow as tf
# 可选：开启GPU内存动态分配，避免显存占用过高
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)

• 修正环境变量优先级：确认系统环境变量中CUDA_PATH、CUDA_PATH_V11_2指向CUDA 11.2的安装目录，且Path变量中以下路径的排序高于其他CUDA版本的路径，避免版本冲突：
  • CUDA 11.2安装目录下的bin文件夹
  • CUDA 11.2安装目录下的libnvvp文件夹
  • CUDA 11.2安装目录下的extras\CUPTI\lib64文件夹
  • cuDNN 8.1.x解压后的bin文件夹
• 验证修复效果：完成上述操作后执行以下代码验证功能是否正常：

import tensorflow as tf
print(tf.config.list_physical_devices('GPU'))
test = tf.keras.Sequential()
print("Sequential初始化成功，GPU适配完成")

内容的提问来源于stack exchange，提问作者Paul