请确保这是一个bug。根据我们的
GitHub Policy ,
我们只在GitHub上解决代码/文档bug、性能问题、功能请求和
构建/安装问题。标签：bug_template*

系统信息

• 我是否编写了自定义代码(与使用TensorFlow提供的库存示例脚本相反):自定义代码
• OS平台和发行版(例如，Linux Ubuntu 16.04):Windows 10 20H2,OS构建19042.1348
• 移动设备(例如iPhone 8,Pixel 2,Samsung Galaxy),如果问题发生在移动设备上：N/A
• 从哪里安装的TensorFlow(源代码或二进制文件):anaconda pip install
• TensorFlow版本(使用以下命令):v2.7.0-rc1-69-gc256c071bb2 2.7.0
• Python版本：Python 3.7.4
• Bazel版本(如果从源代码编译):N/A
• GCC/编译器版本(如果从源代码编译):N/A
• CUDA/cuDNN版本：cuda10.0/cudnn11.5
• GPU型号和内存：2080TI & 1080TI

您可以使用我们的环境捕获 script 收集一些此信息。您还可以使用以下命令获取TensorFlow版本：

1. TF 1.0: python -c "import tensorflow as tf; print(tf.GIT_VERSION, tf.VERSION)"
2. TF 2.0: python -c "import tensorflow as tf; print(tf.version.GIT_VERSION, tf.version.VERSION)"

描述当前行为

在此处包含的情况中，手动定义的损失函数包括3阶导数。请在此附上包含python脚本的zip包：NS_tf2.py。
在NS_tf2.py中，该项的形式如下：

其中pred表示顺序网络的输出，var1和var2是Tensor。
在python脚本开头
import os
os.environ['CUDA_VISIBLE_DEVICES'] = '-1'
用于选择cpu和gpu之间。
上面的代码在cpu模式下运行良好：
os.environ['CUDA_VISIBLE_DEVICES'] = '-1'
但在将硬件设置为1080ti或2080ti时会卡住。

描述预期行为

代码在gpu模式下运行

Contributing

• 您是否想提交PR?(是/否):
• 如果提供候选解决方案，请简要描述您的候选解决方案(如果贡献):
  独立代码以重现问题

提供一个最小必要的可复现测试用例，以生成问题。如果可能的话，请分享链接到Colab/Jupyter/任何笔记本。
请在附加的包中找到代码。请首先转到脚本目录以运行脚本。

其他信息/日志 包括有助于诊断问题的任何日志或源代码。如果包括回溯，请包括完整的回溯。大型日志和文件应附加。

请在附加的包中找到代码。请首先转到脚本目录以运行脚本。