升级TensorFlow2.3踩坑记录（Python）
前言
原本是使用的TensorFlow2.0，处理时间序列数据时发现一个很好用的函数：tf.keras.preprocessing.timeseries_dataset_from_array。不料报错没有此函数，才知道这个函数要TensorFlow2.3及以上才有，于是打算升级至TensorFlow2.3，过程中踩了几个坑，记录一下。
一、CUDA版本问题
原本使用的是CUDA10.0，看官网信息这样显示：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，于是直接把CUDA升级到了11.0，以免后面还要再升级CUDA。可是当我所有环境配置好之后显示这样的错误：
Could not load dynamic library ‘cudart64_101.dll’; dlerror: cudart64_101.dll not found
百思不得其解，查找资料发现CUDA版本只能是10.1，高一点都不行，遂重装。
这里分享一个小技巧，我们在下载CUDA时候网速会特别慢 ，我们只需要将下载链接复制到迅雷用迅雷下载就很快了。
二、GPU支持问题
CUDA版本问题解决了，开开心心运行TensorFlow，本以为可以顺利运行，但是又报了一个如下错误：
InternalError: CUDA runtime implicit initialization on GPU:0 failed. Status: device kernel image is invalid
找了半天才发现这个错误官网已经提示过：
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.
白话就是TensorFlow2.3已经不支持老版本的GPU，需要通过从原代码构建TensorFlow来安装，直接爆炸，我用的是笔记本，GPU是GTX 960m，是旧了点，但是这也太无语了，如何通过原代码构建TensorFlow的教程链接在这里。我的选择是放弃，转回安装TensorFlow2.2。至于那个好用的函数，只能用tf.keras.preprocessing.sequence.TimeseriesGenerator代替了。
总结
Pytorch yes