RTX2080配置tensorflow-gpu,问题1：检测不到可用gpu设备，问题2：Failed to get convolution algorithm.

RTX2080配置tensorflow-gpu,问题1：检测不到可用gpu设备，问题2：Failed to get convolution algorithm.

Error : Failed to get convolution algorithm. This is probably because cuDNN failed to initialize, so try looking to see if a warning log message was printed above.
cuda环境：10.0
经过了一天多的奋战，在老大的帮助下终于解决了tensorflow-gpu检测不到可用gpu，以及检测到gpu，但是报错不能进行卷积甲酸的错误

错误1：cuda10.0 安装tensorflow-gpu一直无法检测到可用gpu，检测到的设备只有cpu

  tf检测可用设备代码如下：

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

感谢大佬们链接：one of here
当时检测出来的设备只有这个样子：

只有cpu和XLA_CPU,而且第二个还不能用
后来发现，我是用的anaconda安装的，用的conda，安装tensorflow-gpu时，也顺带安装了tensorflow，有博客说会默认先用gpu的，而且不能import tensorflow-gpu，很迷
后来发现，用pip方式，只会安装gpu版，cpu版本的就不会装了
于是，

pip install tensorflow-gpu

一行代码解决了检测不到gpu设备的问题
然后顺带遇到一个，cudnn的问题
很多博客上面有分享了cuda和cudnn之间的关系，tensorflow-gpu1.14.0，cuda10.0，匹配的是7.4的cudnn，但是我设备上默认的是7.3.1，而且老大用这个版本用的好好的，各种博客看看看，有点忘记了，但是感觉还是用conda安装最新版本的cudnn比较好（版本自动匹配）而且，本来可以指定安装cudnn的版本的，后来装着装着就不能指定了，不懂
在cudnn.h这个文件里面写的是7.3.1

指定安装版本命令：

conda install cudnn==7.4.2

在此放上版本对应链接：链接
还有github上面对于cudnn版本的讨论：github

错误2：提示Failed to get convolution algorithm.

有说是tensorflow版本太高了,但是cuda限制，并不是想降到哪个版本就降到哪个版本的，（网上有强制--force命令，但是我输入会报错，很无奈）
类似这样子（版本号自行修改）：

sudo pip3 install --upgrade --force-reinstall tensorflow-gpu==1.9.0 --user

有说是要用conda安装，可能是缺少库，但是，用conda安装的tensorflow-gpu，import时提示没有这个模块

万念俱灰啊，向老大求助
得到了这个链接：感谢老大
试了一万遍之后，抱着最后试一次的心态
输入以下代码：

tf.debugging.set_log_device_placement(True)
gpus = tf.config.experimental.list_physical_devices('GPU')
if gpus:
  try:
    # Currently, memory growth needs to be the same across GPUs
    for gpu in gpus:
      tf.config.experimental.set_memory_growth(gpu, True)
    logical_gpus = tf.config.experimental.list_logical_devices('GPU')
    print(len(gpus), "Physical GPUs,", len(logical_gpus), "Logical GPUs")
  except RuntimeError as e:
    # Memory growth must be set before GPUs have been initialized
    print(e)

解决！！！

这才是使用了gpu之后会输出的东西啊

再次感谢老大帮助