升級TensorFlow2.3踩坑記錄（Python）
前言
原本是使用的TensorFlow2.0，處理時間序列數據時發現一個很好用的函數：tf.keras.preprocessing.timeseries_dataset_from_array。不料報錯沒有此函數，才知道這個函數要TensorFlow2.3及以上纔有，於是打算升級至TensorFlow2.3，過程中踩了幾個坑，記錄一下。
一、CUDA版本問題
原本使用的是CUDA10.0，看官網信息這樣顯示：TensorFlow 支持 CUDA® 10.1（TensorFlow 2.1.0 及更高版本）。想着一般CUDA是向下兼容的，於是直接把CUDA升級到了11.0，以免後面還要再升級CUDA。可是當我所有環境配置好之後顯示這樣的錯誤：
Could not load dynamic library ‘cudart64_101.dll’; dlerror: cudart64_101.dll not found
百思不得其解，查找資料發現CUDA版本只能是10.1，高一點都不行，遂重裝。
這裏分享一個小技巧，我們在下載CUDA時候網速會特別慢 ，我們只需要將下載鏈接複製到迅雷用迅雷下載就很快了。
二、GPU支持問題
CUDA版本問題解決了，開開心心運行TensorFlow，本以爲可以順利運行，但是又報了一個如下錯誤：
InternalError: CUDA runtime implicit initialization on GPU:0 failed. Status: device kernel image is invalid
找了半天才發現這個錯誤官網已經提示過：
The error message “Status: device kernel image is invalid” indicates that the TensorFlow package does not contain PTX for your architecture. You can enable compute capabilities by building TensorFlow from source.
白話就是TensorFlow2.3已經不支持老版本的GPU，需要通過從原代碼構建TensorFlow來安裝，直接爆炸，我用的是筆記本，GPU是GTX 960m，是舊了點，但是這也太無語了，如何通過原代碼構建TensorFlow的教程鏈接在這裏。我的選擇是放棄，轉回安裝TensorFlow2.2。至於那個好用的函數，只能用tf.keras.preprocessing.sequence.TimeseriesGenerator代替了。
總結
Pytorch yes