我有一个python虚拟环境(conda(，在那里我安装了CUDA工具包10.1.243和tensorflow gpu 2.3.0rc0。我的CUDA驱动程序是11.0。
为了测试tensorflow是否正确安装到GPU，我在venv:中运行了一系列命令
tf.test.is_built_with_cuda()
真实
tf.config.list_physical_devices(‘GPU’)
找到了具有以下属性的设备0：pciBusID:0000:01:00.0名称：Quadro M2000M计算机能力：5.0[PhysicalDevice(name='/physical_device:GPU:0'，device_type='GPU'(]
python -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000,1000])))"
tensorflow.python.framework.errors_impl.InternalError：GPU上的CUDA运行时隐式初始化失败：0。状态：设备内核映像无效
我不知道如何解决这个问题。我有一种感觉，这与修改编译有关，以便tensorflow支持我的设备(5.0(的计算能力，但我不确定如何继续。非常感谢。
我刚刚遇到了同样的问题。我用以下命令将Tensorflow2.3版本降级为2.2。
pip install --upgrade tensorflow==2.2
它现在正在工作，但速度很慢。
根据github问题的解释，Google Tensorflow工程团队已经放弃了对一些旧版本GPU的支持：https://github.com/tensorflow/tensorflow/issues/41990
我相信你的GPU是在那些较低版本的GPU家族。因此，将你的TF从2.3降级。至2.2是一个解决方案。TF工程师建议我们自己构建TF2.3，并更改其构建配置脚本，以启用较低版本的GPU支持，但谷歌TF团队没有确认它可以工作，也没有能力解决我们将遇到的任何问题。
我推荐pip install tensorflow-gpu==2.2