RTX3090安装TensorFlow-GPU环境并迁移tf1.15代码

环境配置

在网上看到不少用tf-nightly-gpu安装的，实测后发现有一定兼容性问题，无法正常运行卷积操作，运行tf.config.list_physical_devices('GPU')没有问题，但是运行训练即闪退或报错，最后采用以下方法安装：

conda create -n tf250 tensorflow-gpu==2.5.0

并在英伟达官网分别下载安装：

cuda_11.1.0_456.43_win10.exe
cudnn-11.3-windows-x64-v8.2.1.32

注意需要cudnn 8.2.1才可以，成功调用3090进行训练。
如果提示Could not load dynamic library ‘cudxxx’，那么将C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\bin中的文件复制到C:\Windows\System32即可，一般是环境变量配置的问题。

迁移tf1.15代码至tf2.5.0

将代码从tf1.15.0迁移到tf2.5，请替换部分函数

1. tf.to_float(x)=> tf.cast(x, tf.float32)
2. from keras.engine.topology import Layer=> from tensorflow.keras.layers import Layer
3. from keras.layers.merge import add, concatenate=>from tensorflow.keras.layers import add, concatenate
4. tf.assign_add(batch_seen, 1.)=>tf.compat.v1.assign_add(batch_seen, 1.)
5. 在fit函数前加入tf.config.run_functions_eagerly(True)
6. 当然，所有的import keras.xxx改成import tensorflow.keras.xxx

RTX3090安装TF1.15的方法(1)

下载链接中的安装包

https://github.com/Fannhhyy/tensorflow1.15-whl-and-cpp-api-for-win-and-rtx3090

conda create -n tf115RTX python=3.7
conda activate tf115RTX
conda install cudnn==8.2.1
pip install keras==2.3.1
pip install tensorflow-1.15.4+nv-cp37-cp37m-win_amd64.whl


anaconda3\envs\tf115RTX\lib\site-packages\keras\engine\saving.py
#.decode('utf8')

修改saving.py，去掉.decode('utf8')