Windows版本：Windows 10专业版21上半年19044.1706 GPU：实时传输x2070
import tensorflow as tf
import torch
print(torch.__version__) #1.10.1+cu113
print(torch.version.cuda) #11.3
print(tf.__version__) #2.9.1然后我跑
python .\object_detection\builders\model_builder_tf2_test.py我可以得到"在18.279s内运行24次测试，正常（跳过= 1）"结果;
但当我想训练我的模型时我会用
feature_extractor {
type: 'faster_rcnn_inception_resnet_v2_keras'
}在pipeline_config中，然后运行
python .\object_detection\model_main_tf2.py --logtostderr --pipeline_config_path=LOCATION_OF_MY_PIPECONFIG --model_dir=LOCATION_OF_MY_MODEL_DIR然后我得到以下错误
在我的系统环境变量中，'CUDA_DIR'是变量，可以访问
3条答案
按热度按时间2wnc66cl1#
我也遇到过同样的问题，并且已经解决了。即使设置了“CUDA_DIR”，库也找不到文件夹，因为它没有使用该变量或我尝试过的任何其他变量。post有助于理解这个问题。我能找到的唯一解决方案是复制所需的文件。
快速修复步骤：
1.找到CUDA nvvm的安装位置（对我来说是“C：\Program Files\NVIDIA GPU计算工具包\CUDA\v11.6”）。
1.查找脚本的工作目录（运行脚本的环境或目录）。
1.将整个nvvm文件夹复制到工作目录中，您的脚本应该可以工作。
这不是一个很好的解决方案，但是在别人给出答案之前，你至少可以运行你的代码。
9rnv2umw2#
将CUDA nvvm复制到虚拟环境所在的目录中。
jei2mxaa3#
下面是我解决同样问题的方法：
1.转到CUDA主文件夹路径及其v10.x或v11.x子文件夹。
在我的例子中是从目录路径：C：\程序文件\NVIDIA GPU计算工具包\CUDA\v11.7
1.复制nvmm整个文件夹。
1.将其粘贴到当前的python工作目录中。
在我使用Pycharm的情况下，它必须与***.idea***和***pycache***文件夹以及***venv***文件夹（图中未显示）
在同一目录中
1.再次运行您的程序/代码。它现在应该可以工作，不会显示错误：无法再找到libdevice目录${CUDA_DIR}/nvvm/libdevice。