我在使用带有 Tensorflow 后端的 keras 时得到了这个：
tensorflow.python.framework.errors_impl.InvalidArgumentError: 设备 CUDA:0 在设置 XLA_GPU_JIT 设备编号 0 时不受 XLA 服务支持
相关代码：
tfconfig = tf.ConfigProto()
tfconfig.graph_options.optimizer_options.global_jit_level = tf.OptimizerOptions.ON_1
tfconfig.gpu_options.allow_growth = True
K.tensorflow_backend.set_session(tf.Session(config=tfconfig))
张量流版本：1.14.0
郭董事长代码：
os.environ["CUDA_VISIBLE_DEVICES"] = "1"
解决了我的 jupyter notebook 内核崩溃的问题：
tf.keras.models.load_model(path/to/my/model)
致命的信息是：
2020-01-26 11:31:58.727326：F tensorflow/stream_executor/lib/statusor.cc:34] 尝试获取值而不是处理错误内部：为 CUDA 设备序号 0 初始化 StreamExecutor 失败：内部：对 cuDevicePrimaryCtxRetain 的调用失败： CUDA_ERROR_UNKNOWN：未知错误
我的TF的版本是：2.2.0-dev20200123。该系统上有 2 个 GPU。
这可能是由于您的 TF 默认（即第一个）GPU 内存不足。如果您有多个 GPU，请将您的 Python 程序转移到其他 GPU 上运行。在 TF 中（假设使用 TF-2.0-rc1），设置如下：
# Specify which GPU(s) to use
os.environ["CUDA_VISIBLE_DEVICES"] = "1" # Or 2, 3, etc. other than 0
# On CPU/GPU placement
config = tf.compat.v1.ConfigProto(allow_soft_placement=True, log_device_placement=True)
config.gpu_options.allow_growth = True
tf.compat.v1.Session(config=config)
# Note that ConfigProto disappeared in TF-2.0
但是，假设您的环境只有一个 GPU，那么您可能别无选择，只能让您的伙伴停止他的程序，然后请他喝杯咖啡。