TensorFlow 1.7rc1 eager模式下GPU加速遇NotFoundError问题

你在TensorFlow 1.7rc1的Eager模式下用GPU时碰到的OpKernel NotFoundError，尤其是tf.nn.embedding_lookup这类函数报错的情况，在TF早期Eager版本的GPU支持里确实挺常见的。我给你梳理几个针对性的解决方案：

可能的原因与对应修复方法 #

1. CUDA/CuDNN版本与TF 1.7rc1不匹配 #

TensorFlow 1.7rc1对CUDA和CuDNN有严格的版本要求：

• 必须搭配CUDA 9.0
• 必须搭配CuDNN 7.0.x
  如果你的环境里这两个库版本不对，会直接导致部分GPU内核无法加载，触发NotFoundError。

操作步骤：

• 先卸载当前的TensorFlow GPU版本：

  pip uninstall tensorflow-gpu
  

• 安装符合要求的CUDA 9.0和CuDNN 7.0.x（注意要对应TF版本的要求，不要装最新版）
• 重新安装TF 1.7rc1的GPU版：

  pip install tensorflow-gpu==1.7.0rc1
  

2. 未显式指定GPU设备上下文 #

早期Eager模式下，有时候不会自动默认使用GPU，需要显式指定设备上下文，否则代码可能跑在CPU上，导致GPU内核找不到。

修复代码示例：

import tensorflow as tf
import tensorflow.contrib.eager as tfe
import numpy as np

# 显式指定使用第0块GPU
with tf.device('/gpu:0'):
    tfe.enable_eager_execution()

    num_sampled=64
    vocabulary_size = 512
    embedding_size = 128
    train_dataset = tf.constant(np.array([1,3,4,5,4]))
    train_labels = tf.constant(tf.transpose(np.array([[1,2,1,2,0]])))
    # 补全embeddings的定义
    embeddings = tfe.Variable(tf.random_uniform([vocabulary_size, embedding_size], -1.0, 1.0))
    
    # 测试embedding_lookup
    try:
        lookup_result = tf.nn.embedding_lookup(embeddings, train_dataset)
        print("Embedding lookup成功，结果形状：", lookup_result.shape)
    except Exception as e:
        print("报错信息：", str(e))

3. TF 1.7rc1候选版本存在已知Bug #

作为候选发布版本，1.7rc1的Eager模式确实存在一些GPU相关的内核注册Bug，部分Op的GPU实现没有被正确加载。

解决方法：
直接升级到TensorFlow 1.7正式版，或者更高的TF1系列稳定版本（比如1.15，这是TF1的最后一个稳定版），正式版会修复候选版本里的已知问题：

pip install tensorflow-gpu==1.7.0

4. 先确认GPU是否被TensorFlow识别 #

如果上面的方法都不管用，先检查你的GPU是否能被TensorFlow正确检测到，运行这段代码：

from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())

如果输出里没有GPU设备，说明你的GPU驱动、CUDA环境安装有问题，得先解决硬件识别的基础问题。

内容的提问来源于stack exchange，提问作者libertasT