cuda跟tensorflow-gpu版本没有冲突，只要使用tensorflow-gpu，就会报错：
None of the MLIR Optimization Passes are enabled (registered 2)
就是程序刚开始运行就这样结束了
可能的原因：
tensorflow
版本和te
nsorflow-gpu版本两个版本有代差，而tensorflow默认选择版本高的版本来计算。
解决办法：
卸载tensorflow版本，conda list可能查看不出来，直接命令行卸载
pip uninstall tensorflow
参考链接：
tensorflow是否调用了GPU_我冬的博客-CSDN博客
cuda跟tensorflow-gpu版本没有冲突，只要使用tensorflow-gpu，就会报错：None of the MLIR Optimization Passes are enabled (registered 2)就是程序刚开始运行就这样结束了可能的原因：tensorflow版本和tensorflow-gpu版本两个版本有代差，而tensorflow默认选择版本高的版本来计算。解决办法：卸载tensorflow版本，conda list可能查看不出来，直接命令行卸载参考链接：http://
ptimization_
pa
ss.cc:185] None of the
MLIR
Optimization
Pa
sse
s are
enab
led
(re
gis
tere
d 2)
解决办法
tensorflow
/compiler/
mlir
/
mlir
_graph_
optimization
_
pa
ss.cc:185] None of the
MLIR
Optimization
Pa
sse
s are
enab
led
(re
gis
tere
d 2)主要原因，训练使用内存或显存不足：1、修改：Batch大小。
2、修改每个加
https://stackoverflow.com/questions/63886762/
tensorflow
-none-of-the-
mlir
-
optimization
-
pa
sse
s-are-
enab
led
-re
gis
tere
d-1
The I at the beginning of the message means this is an informational log message.
tensorflow
前面的I表示的是信息日志消息，不是错误。
MLIR
is being used as
py
MLIR
：用于多级中间表示的
Python
接口
py
MLIR
是一个完整的
Python
接口，可根据描述的语法来解析，处理和输出文件。 py
MLIR
支持基本的方言，并且可以与其他方言一起扩展。 它使用解析
MLIR
语法，并将类镜像为
Python
类。 自定义方言也可以使用类似于
Python
字符串格式的语法或通过直接解析来实现。
请注意，该工具不依赖于LLVM或
MLIR
。 可以直接从
Python
安装和调用它。
如何安装： pip install py
mlir
要求：
Python
3.6或更高版本，以及setup.py或requirements.txt 。 要手动安装需求，请使用pip install -r requirements.txt
解析
MLIR
文件时遇到问题？ 通过运行该文件LLVM的
mlir
-opt --
mlir
-print-op-generic获得IR的一般形式（关于如
使用
tensorflow
，点击程序运行，原来的提示和现在的稍有不同。
None of the
MLIR
Optimization
Pa
sse
s are
enab
led
(re
gis
tere
d 2)
原来是re
gis
tere
d 1
layout fai
led
: Invalid argument: Size of values 0 does not match size of permutation 4 @ fanin shape inRefiner/tf.where/SelectV2_1-2-Transpo
m1使用
tensorflow
遇到的问题
2021-10-13 17:04:20.629210: I
tensorflow
/compiler/
mlir
/
mlir
_graph_
optimization
_
pa
ss.cc:116] None of the
MLIR
optimization
pa
sse
s are
enab
led
(re
gis
tere
d 2)
2021-10-13 17:04:20.629440: W
tensorflow
/core/platform/profile_utils/cpu_utils.c
LaserNet README批注LaserNet in
Tensorflow
2.0环境配置Instructions:What works:What's still not done:Example Results
LaserNet in
Tensorflow
2.0
In this project I’ve done my best to implement the work from Uber ATG on LaserNet. LaserNet is a 3D object detector for
这里的代码存在于两个地方：
;这是规范的位置，应使用GitHub pull-requests做出贡献。
;这是一个独立的存储库，具有相同的代码视图，以允许其他项目使用此代码而无需依赖整个TF monorepo。
这为使用
MLIR
组件的XLA 启发的线性代数运算实现了独立的编译器。它旨在提供独立于
TensorFlow
和XLA的端到端流程，但可在这些项目中使用。
此存储库中的编码实践和约定遵循此回购中的《 ，以作为上游技术孵化器的一部分。
快速入门：构建和测试
这些说明在Linux上有效，您可能需要根据平台进行调整。
要在此存储库中构建代码，您需要LLVM /
MLIR
git存储库的克隆：
$ git clone https://github.com/llvm/llvm-project.git
您需要确保在LLVM存储库中签
MLIR
发射器
EmitC是用于发出C ++代码的
MLIR
方言。初始签入的代码是从派生的。
免责声明：这是一个研究项目，不适合日常使用。该代码无需任何支持即可使用。但是，我们欢迎通过问题跟踪器提供任何形式的反馈。
EmitC支持将其他
MLIR
方言的操作转换为并将其转换为C ++。
git clone https://github.com/iml130/
mlir
-emitc.git
cd
mlir
-emitc
git submodule update --init
生成并运行
该设置假定您已在$BUILD_DIR构建了LLVM和$BUILD_DIR并将其安装到$PREFIX 。您可以使用 Shell脚本来配置，构建和安装LLVM和
MLIR
。
注意：最新测试的LLVM版本的哈希值在 。由于
MLIR
发展Swift，因此EmitC可能无法使用更新的LLVM构建。
要构建和启动测试，
Google开源的
tensorflow
,基于
Python
，效率不是优先，效果一般
keras对
tensorflow
进行封装
在使用
tensorflow
的时候可以使用keras.在使用的时候使用keras先使用训练模型，然后再转化为
tensorflow
。
Theano现在已经停更。
Torch是LUA写的。很早就存在，因为是用了LUA写的，很多人不愿使用，现在用
python
封装torch,变成了PyTorch.
tensorflow
